‎

1.a)Współczynnik zmienności informuje nas o zmienności wyników, obserwacji w odniesieniu do "wielkości średniej". Daje nam informacje o rozproszeniu wyników, ale w odniesieniu do tego, jak duża jest średnia. To pozwala nam na określenie względnej miary rozproszenia i ułatwia nam porównanie zmienności danych cech wśród tej samej grupy osób bądź dwóch grup badanych osób pod względem tej samej cechy b) Odchylenie standardowe – klasyczna miara zmienności, obok średniej arytmetycznej najczęściej stosowane pojęcie statystyczne .Intuicyjnie rzecz ujmując, odchylenie standardowe mówi, jak szeroko wartości jakiejś wielkości (takiej jak np. wiek, inflacja, kurs akcji itp.) są rozrzucone wokół jej . Im mniejsza wartość odchylenia tym obserwacje są bardziej skupione wokół średniej.

3. Współczynnik asymetrii to iloraz trzeciego momentu centralnego przez trzecią potęgę odchylenia standardowego:

gdzie M₃ to wartość trzeciego momentu centralnego, zaś s to wartość odchylenia standardowego. Podobnie jak trzeci moment centralny, współczynnik asymetrii przyjmuje wartość zero dla rozkładu symetrycznego, wartości ujemne dla rozkładów o lewostronnej asymetrii (wydłużone lewe ramię rozkładu) i wartości dodatnie dla rozkładów o prawostronnej asymetrii (wydłużone prawe ramię rozkładu).

5. Współczynnik korelacji liniowej Pearsona – współczynnik określający poziom zależności liniowej między zmiennymi losowymi

6. Współczynnik determinacji Informuje o tym, jaka część zmienności zmiennej objaśnianej została wyjaśniona przez model. Jest on więc miarą stopnia, w jakim model wyjaśnia kształtowanie się zmiennej objaśnianej. Można również powiedzieć, że współczynnik determinacji opisuje tę część zmienności objaśnianej, która wynika z jej zależności od uwzględnionych w modelu zmiennych objaśniających. Współczynnik determinacji przyjmuje wartości z przedziału [0;1]. Jego wartości najczęściej są wyrażane w procentach. Dopasowanie modelu jest tym lepsze, im wartość R² jest bliższa jedności. Wyraża się on wzorem:

,

gdzie:

 - rzeczywista wartość zmiennej Y w momencie t,

 - wartość teoretyczna zmiennej objaśnianej (na podstawie modelu),

 - średnia arytmetyczna empirycznych wartości zmiennej objaśnianej.

Współczynnik zbieżności  określa, jaka część zmienności zmiennej objaśnianej nie została wyjaśniona przez model. Można również powiedzieć, że współczynnik zbieżności opisuje tę część zmienności zmiennej objaśnianej, która wynika z jej zależności od innych czynników niż uwzględnione w modelu. Współczynnik zbieżności przyjmuje wartości z przedziału [0;1]; wartości te najczęściej są wyrażane w procentach. Dopasowanie modelu jest tym lepsze, im wartość  jest bliższa zeru. Wyraża się on wzorem:

,

1.Średnia geometryczna, w statystyce miara przeciętnego poziomu wartości cechy jednostek zbiorowości statystycznej używana dla cech przyjmujących wyłącznie wartości dodatnie.

Mediana-  Środkowa wartość pomiarowa, tzn. taka, że połowa pozostałych wartości jest mniejsza, a połowa większa od niej; dzieli zbiór pomiarów na dwie równe części. Dominanta-  Liczba (liczby) będąca najczęściej przyjmowaną wartością pomiarową. 

Momenty zwykłe i centralne. Momentem r-tego rzędu cechy x nazywamy średnią arytmetyczną odchyleń poszczególnych wartości cechy od pewnej stałej x₀ podniesionych do potęgi r-tej.

W zależności od tego, co podstawimy za nasze x₀ wyróżniamy:

momenty zwykłe (gdy x0 = 0)	momenty centralne (gdy x0 = )
; r=1,2,3...	; r=1,2,3...

Wypiszmy sobie różne charakterystyczne rzędy momentów:

jest to znana nam średnia arytmetyczna

jest to znana nam średnia arytmetyczna kwadratów cechy

to jest zero na podstawie własności średniej arytmetycznej

jest to tzw. wariancja (moment centralny drugiego rzędu)

moment ten będzie wykorzystywany do mierzenia asymetrii

a ten do mierzenia spłaszczenia

Tak więc w analizie struktury wykorzystujemy momenty ale pod innymi nazwami. Aby je obliczyć musimy mieć dane szczegółowe. Gdy mamy szeregi rozdzielcze to musimy skorzystać z momentów ważonych. Tak jak średnia arytmetyczna może być

zwykła i ważona, tak momenty również. Aby odróżnić momenty ważone od zwykłych, gdy mamy do czynienia z reprezentacją danych w postaci szeregów rozdzielczych o k wariantach, wzór na moment zapisujemy w następującej postaci:

(!) Każdy moment centralny można zapisać jako sumę momentów zwykłych: