Title | Statystyka opisowa - wzory |
---|---|
Author | Eve Linuś |
Course | Statystyka Matematyczna |
Institution | Politechnika Poznanska |
Pages | 4 |
File Size | 167.7 KB |
File Type | |
Total Downloads | 61 |
Total Views | 152 |
Download Statystyka opisowa - wzory PDF
STATYSTYKA OPISOWA - WZORY MIARY REDNIE (PRZECITNE, TENDENCJI CENTRALNEJ) k k 1 k 1 n 1 k rednia arytmetyczna x = x i ni = xi wi x = xˆ i n i = xˆ i w i x = xi n i =1 n i =1 n i =1 i =1 i =1 k 1 k x i ni = x i wi , gdzie x i -rednia i-tej grupy, n i ( wi )-liczebno (czsto) i-tej grupy, k-liczba grup n i =1 i =1 Uwaga 2. ∀i y i = ax i + b y = ax + b
Uwaga 1. x og =
k
rednia harmoniczna x h =
1
x i= 1
a
i
n n
k
a xh =
i
i
i =1 k
xh =
1
xa i= 1
i
i =1 k
1
xˆ i =1
i
ai
i
Dominanta
D = xd : nd = max{ni } lub D = xd : wd = max{ wi } i
D ≈ xD +
i
g D − g D−1 ∆x (gD − gD −1 ) + (g D − g D +1 ) D
x D - pocztek przedziału dominanty (tj. przedziału o najwikszej gsto ci), g D - g sto przedziału dominanty g D −1 - gsto przedziału poprzedzajcego przedział dominanty, g D +1 - gsto przedziału nastpujcego po przedziale dominanty; ∆xD - rozpito (szeroko ) przedziału dominanty gdy przedziały s równej rozpitoci (szerokoci) powyszy wzór redukuje si do:
D ≈ xD +
nD − n D−1 ∆x (nD − n D− 1 )+ (nD − n D+ 1 ) D
lub
D ≈ xD +
wD − wD−1 ∆x (wD − wD −1 ) + (wD − wD +1 ) D
przedział dominanty to przedziału o najwi kszej liczebnoci lub cz sto ci
Mediana to kwantyl rzdu p=0,5
q p = x [np ] +1 , gdzie [.] to cz całkowita; (por.: dla nieparzystej liczby obserwacji Me = x 0,5(n +1) , dla parzystej Me =
x 0,5n + x 0,5n +1
2
)
p − cum wt−1 np − cum nt−1 ∆xt lub q ≈ x t + ∆x t p wt nt x t - pocz tek przedziału, w którym znajduje si kwantyl; nt ( w t ) – liczbno (czsto ) przedziału, w którym znajduje si kwantyl; cum wt −1 ( cum nt −1 ) - skumulowana czsto (liczebno ) przedziału poprzedzajcego przedział, w którym q ≈ xt + p
znajduje si kwantyl; ∆xt - rozpito (szeroko ) przedziału, w którym znajduje si kwantyl
q 0, 25 = Q1 , q 0,5 = Q 2 = Me , q0, 75 = Q3 - kwartyle; q 0,2 , q 0,4 q 0,6 , q 0,8 - kwintyle; q 0,1 , q 0,2 , q 0,3 ,…, q 0,9 - decyle Dla rozkładów umiarkowanie asymetrycznych zachodzi równo Pearsona: x − D = 3( x − Me)
Graficzne wyznaczanie dominanty i kwantyli.
MOMENTY Moment zwykły rzdu r
1 n r m r = xi ; n i =1
Moment centralny rzdu r 1 n 1 k M r = (x i − x ) r ; M r = ( xi − x)r ni = n i= 1 n i= 1 Uwaga: m1 = x , M1 = 0 , M 2 = m2 − m1 2
1 k r xi ni = n i =1
mr =
k
x
i
r
wi ;
i =1
k
( x − x) i
i= 1
1
r
wi ;
Mr =
mr =
k 1 k r r xˆi ni = xˆ i wi n i =1 i =1
k 1 k ( xˆi − x) r ni = ( xˆi − x) r wi n i =1 i =1
MIARY ZRÓNICOWANIA (ROZPROSZENIA, DYSPERSJI, ZMIENNOCI) 1. Wariancja S 2 ( x) = M 2 = m2 − m1 2 k k 1 k 2 1 k S i n i + (xi − xog )2 ni = S 2i w i + (x i − x og )2 wi n i=1 n i=1 i =1 i =1 2 2 2 Uwaga 2. ∀i y i = ax i + b S ( y ) = a S (x ) ( S ( y) = a S ( x) )
2 Uwaga 1. Sog = Si2 + S 2 ( xi ) =
2. Odchylenie standardowe S ( x) = S 2 ( x) 3. Odchylenie przeci tne d ( x) =
1 n xi − x n i =1
d (x ) =
k k 1 k 1 k ( ) ˆ x x n x x w d x x x n xˆi − x wi − = − = − = i i i i i i n i= 1 n i =1 i= 1 i =1
S (x ) x 5) Rozstp (empiryczny obszar zmiennoci) R = xmax − xmin 6) Rozstp wiartkowy RQ = Q3 − Q1
4. Klasyczny współczynnik zmienno ci V ( x) =
7) Odchylenie wiartkowe Q =
Q3 − Q1 2
8) Pozycyjny współczynnik zmiennoci VQ ( x ) =
Q Me
MIARY ASYMETRII (SKONOCI) 1) trzeci moment centralny zestandaryzowany (współczynnik asymetrii Chalier’a – Edgeworth’a λ 3 = 2) współczynnik asymetrii Pearsona AS =
M3 ∈R S 3( x )
x −D (dla rozkładów jednomodalnych AS ∈< −3,3 > ) S( x )
3) współczynnik asymetrii Yule’a-Kendall’a (Bowley’a) AQ =
( Q 3 − Q 2 ) − ( Q 2 − Q 1) ∈ [− 1,1] Q3 − Q1
ANALIZA ZALENOCI Współczynnik korelacji liniowej Pearsona
r xy = r yx =
S( x) =
cov( x, y) 1 n 1 n ∈ [− 1,1] , gdzie cov(x , y ) = (x i − x )(y i − y ) = x i y i − x ⋅ y n i=1 n i=1 S (x )S (y )
1 n 1 n 2 1 2 ( ) − = x x i xi − x 2 , S ( y) = n n i =1 n i =1
n
( yi − y )2 = i =1
1 n 2 yi − y 2 , n i=1
Współczynnik korelacji rang Spearmana n
6 d 2i rs = 1 −
i =1 2
n(n − 1)
∈ [− 1,1], gdzie d i rónice pomidzy rangami odpowiadajcych sobie wartoci xi i y i.
Funkcja regresji yi = α1 xi + α0 + ξi ,
yˆ i = a 1 x i + a 0 ,
yi = a1xi + a 0 + ui ,
cov( x, y) S( y) = rxy a 0 = y − a 1x , 2 S (x ) S ( x) Ocena jakoci (dobroci) dopasowania funkcji regresji do danych empirycznych. a1 =
1) Wariancja resztowa S 2 (u ) =
1 n −k
n
( yi − yˆ i ) 2 = i =1
1 n− k
S 2 (u ) S( u ) 3) Współczynnik zmiennoci losowej V u = y 2) Odchylenie standardowe reszt S (u ) =
2
n
u i =1
2 i
,
2 2 R = rxy
n
n
( yi − yˆ i )2
4) Współczynnik zbienoci ϕ2
= (y i =1 n
i =1
= i
u2i =
n
y
− y )2
i =1
2 i
− ny 2
( n − k ) S 2 ( u) ∈ [0,1] nS2 ( y)
i =1
5) Współczynnik determinacji R 2 = 1 − ϕ 2 ∈[0,1] Funkcja regresji: xi = β1 yi + β0 + ξ i ,
b1 =
xˆ i = b 1y i + b 0
xi = b1 yi + b0 + ui ,
S (x ) cov( x, y) = rxy , b0 = x − b1 y , 2 S (y) S (y )
rxy2 = a1 b1 czyli rxy =
Tablice korelacyjne 1 S (y / x i) ∈ [0,1] , gdzie S 2 (y ) = e( y / x) = S ( y) n S (x / y j ) 1 ∈ [0,1] , gdzie S 2 ( x) = e( x / y) = S ( x) n
j
a1 b1
( y j − y ) 2 ⋅ n. j , S 2 ( y / x i ) =
(x i
i
− x) 2 ⋅ ni . , S 2 (x / y j ) =
1 ( y / x i − y ) 2 ⋅ n i. n i
1 ( x / y j − x) 2 ⋅ n. j n j
1 (x i − x )(y j − y ) ⋅ nij ; mierniki krzywoliniowoci e 2( y / x) − ryx2 ; e 2 (x / y )− rxy2 i j n Chi-kwadrat i jego wybrane modyfikacje cov( x, y) =
k
l
χ = 2
(n
ij
T=
2
nˆij
i= 1 j= 1
V =
−nˆ ij )
∈ 0,n (k − 1)(l − 1) , gdzie nˆij =
χ2 n min(k − 1, l − 1)
χ2 n ( k − 1)(l − 1)
ni . n. j n
∈[0,1] - współczynnik V Cramera
ϕ=
χ2
- współczynnik Yule’a
n
∈ [0,1] - współczynnik zbieno ci Czuprowa
Współczynniki korelacji czstkowej i wielorakiej − Pij ∈ [− 1,1] Współczynnik korelacji czstkowej rij .kl ... z = Pii Pjj Współczynnik korelacji wielorakiej R1.23... k = 1 −
P ∈ [0,1] P11
P – macierz współczynników korelacji, Pij , Pii , Pjj , P11 - dopełnienia algebraiczne macierzy P; P- wyznacznik macierzy P INDEKSY INDYWIDUALNE I PRZYROSTY Przyrosty absolutne łacuchowe ∆t / t −1 = y t − y t −1 Przyrosty wzgldne łacuchowe dt / t −1 = Indeksy ła cuchowe i t/ t−1 =
y t − y t −1 y t −1
yt y t −1
redni indeks zmian iG = n −1
yn y1
Przyrosty absolutne o stałej podstawie ∆ t / c = yt − yc Przyrosty wzgldne o stałej podstawie d t /c = Indeksy o stałej podstawie i t /c =
n
= n −1 ∏ i t / t −1
yt − yc yc
yt yc
k Prognoza na k-okresów w przyszło ~ y n+ k = y n ⋅ (i G )
t=2
Zamiana indeksów ła cuchowych na indeksy o stałej podstawie i na odwrót; zmiana podstawy indeksów o stałej podstawie.
3
INDEKSY AGREGATOWE
Agregatowy indeks wartoci n
n
Iw =
p it q it
W
i =1 n
i= 1 n
= p i0 q i0
W
i= 1
it
i0
i=1
Agregatowy indeks ilo ci według formuły Laspeyresa
Agregatowy indeks cen według formuły Laspeyresa n
n
pq I Lp =
i =1 n
i0
pi 0qi 0
=
p
⋅ ip I Lq =
n
Wi 0 i =1
P p
I =
pitqit
Wit
i =1 n
i =1 n
p
q
i 0 it
i= 1
i =1
P q
I =
Równo ci indeksowe I w = I ⋅ I
P q
L q
I
= I ⋅I
W
Iw = I ⋅ I
,
i0
i= 1 n
W
p
it
= it
qi 0
i =1 n
i =1
Wit iq
P p
Agregatowy indeks ilo ci według formuły Fishera
Agregatowy indeks cen według formuły Fishera L p
n
n
pit qit
i=1
p
L p
F p
i= 1
i =1
n
Wit
i
pi0 qi0
⋅ iq
i0
=
Agregatowy indeks ilo ci według formuły Paaschego
n
=
i =1 n i= 1
Agregatowy indeks cen według formuły Paaschego n
W
q
io it
i =1
i= 1
n
n
W
it i 0
P p
I Fq = I Lq ⋅ I qP
Równo indeksowa I w = I Fp ⋅ IqF
TREND Metoda mechaniczna (rednie ruchome centrowane)
y (k =3) (t ) = y( k = 2) (t ) =
y t −1 + y t + y t +1 ; 3 0,5 y t −1 + y t + 0,5 y t +1 2
y t− 2 + y t− 1 + y t + y t+1 + y t+ 2 5 0,5 y t − 2 + y t −1 + y t + y t + 1 + 0,5 y t + 2 y ( k = 4) ( t) = 4
y (k = 5) (t ) = ;
Metoda analityczna y t = α1t + α 0 + ξ t , y t = a1t + a 0 + u t ,
yˆ t = a 1t + a 0
cov(t , y ) 1 n 1 1 1 n 2 , gdzie = − − = − ⋅ = ( ) S t t y t t y y ty t y (t − t )2 = ( ) ( ) cov( , ) , t t 2 S (t ) n t= 1 n n t =1 n t=1 a0 = y − a1t n
a1 =
n
t
2
−t 2
t= 1
WAHANIA SEZONOWE ~ y ti = yˆ t + c i + e t , yti = ~yt + ci , Model multiplikatywny y ti = yˆ t ⋅ ci ⋅ et , y~ti = y~t ⋅ c i 1) Wartoci szeregu czasowego pozbawione tendencji rozwojowej Model addytywny
t=1,...,n, i=1,...,r, (r-liczba faz cyklu)
dla modelu multiplikatywnego zti =
dla modelu addytywnego zti = yti − ˆyt ,
yti ˆy t
2) Surowe wskani sezonowoci zt =
1 k
z
ti
, gdzie k – liczba jednoimiennych i-tych faz cyklu
3) Czyste wskaniki sezonowoci dla modelu addytywnego c i = z t −
1 r
r
z
i
; dla modelu multiplikatywnego ci =
i= 1
4
zt 1 r
r
z i=1
i...