img297
wariancje tych zmiennych wyjściowych. Miarą owej determinacji jest kwadrat współczynnika korelacji wewnętrznej.
Oszacujemy teraz parametry przyjętego modelu na podstawie próby danych empirycznych.
Niech
X = [Xik] (/= 1,2, ...,p; * = 1,2.....n)
będzie macierzą obserwacji zmiennych x, a
Y = [yjk] (j = 1, 2, ..., q\ k = 1, 2, .... n) macierzą obserwacji zmiennych y. Na podstawie próby wyliczamy estymatory
T__L
gdzie X0 oraz Y0 są macierzami odchyleń obserwacji od średnich, tj. powstają przez odjęcie w macierzach X i Y odpowiednich średnich od każdego elementu; macierz
jest macierzą kowariancji danych empirycznych. Dodatkowo wprowadzamy oszacowanie
A
Pr “ rr
Wektory kanoniczne z próby u, i v, (l = 1,2,..., s) znajdujemy wyznaczając wektory z próby L, i M, ze wzorów (14.3) oraz (14.6) po podstawieniu w nich estymatorów odpowiednich macierzy kowariancji. Pozostałe wzory — wcześniej napisane — pozostaną prawdziwe po zastąpieniu w nich parametrów modelu ich estymatorami.
Otrzymane zmienne kanoniczne z próby mogą służyć prognozowaniu. Tak więc dla prognozy wartości zmiennych y; bierzemy zmienne kanoniczne m, (/' = 1, 2, ..., s) odpowiadające niezerowym korelacjom kanonicznym. Po odpowiednich przekształceniach otrzymamy
Y0 = SyyMMT SyxLLr X0t gdzie L =[2,1, M = [M,) . (14.12)
297
Wyszukiwarka
Podobne podstrony:
img297 wariancje tych zmiennych wyjściowych. Miarą owej determinacji jest kwadrat współczynnika korec) Jest kwadratem współczynnika korelacji między zmienną zależną a jej oszacowaniem 7.Co stanie się ze współczynnikiem determinacji, gdy wartości współczynnika korelacji zwiększy sięimg294 jest (również z uwagi na unormowane wariancje) równa współczynnikowi korelacji zmiennych u isubiektywne kwa ntyf i kowanie zmiennych wyjściowych np. opisujących jakość instytucji publicznych (OJ Współczynnik zmienności: Vz = 4-100%; z x Współczynnik zmienności: T3 Z miarą tą wiąże69 (87) 78 Rozdział 3 caniem, tj. przy wysokiej temperaturze (różne warianty tych obróbek są przedstwraz z woktoroa Jodynkovrym przedział A( n ^, 1 ), na którym f ul. Utwórzmy teroz iloczyn logiczny tnieparametryczne. 1 9. Analiza wariancji. 1 10. Zmienne losowe wielowymiarowe. Korelacja liniowaZdjęcie145(2) ZMIENNOŚĆW STREET przypowierZCHN!OWEJ_TORFOWISKO a (d»n# I *2 punktów) Mlątaiott Jm] 171064 P6010224 ■MATLAB tworzenia funkcji i są cały czas trzymane jako te stałe, tj. późniejsze zmianprzeciwdziała. Drugi wariant tych badań (pozytywny) polega po prostu na robieniu tego, czego nie zwyDSC05 (4) Charakterystyki liczbowe zmiennych losowych - przykład Przykład. Wariancja dla zmiennej lPA275003 ANALIZA STATYSTYCZNA DANYCH Rys. 10.1. Główne okienko analizy wariancji. Definiowanie zmienIMAG0139 ■ różnice pomiędzy wariantami); V Opis stanu wyjściowego środowiska (dla każdej lokalizacjCapture 282 28.9. Zasoby zmienności wspólnej Zasób zmienności wspólnej. Ir, jest proporcja wariancjiwięcej podobnych podstron