68990 stat PageI resize

68990 stat PageI resize



49


Statystyka matematyczna

W statystyce opisowej możemy obliczyć odpowiedni estymator kowariancji, zwany czasami kowariancją empiryczną, przy pomocy formuły

(3.126)


Cov(Xiy) = -    (i, - i) (jij - y)

gdzie n jest liczbą par obserwacji, a (*1,3/1), (*2>S/2)>• ■ •,    jest szeregiem

statystycznym obserwacji dla zmiennych (X, Y). Należy podkreślić, że w przypadku badania zależności zmiennych istotne są pary zmiennych, a nie pojedyncze zmienne. Pary zawierają bowiem niezbędną informację o strukturze zależności pomiędzy zmiennymi. Wzór (3.126) można przedstawić także w postaci

Cov(x,K) =xy-x y ,    (3.127)

gdzie


_ 1

*5,= -


XiVi


(3.128)


Niestety, interpretacja współczynnika kowariancji nie jest zbyt łatwa, podobnie jak np. wariancji. Ciężko jest bowiem określić, czy duża jego wartość wynika z wysokiego stopnia zależności pomiędzy zmiennymi, czy dużej zmienności jednej albo obu zmiennych. Dlatego wykorzystuje się współczynnik korelacji liniowej Pearsona

r = T(xy) = r(Y,x) =


Cov(X,y>

$x$y


(3.129)


gdzie $x i $y są znanymi nam ze statystykami opisowej odchyleniami standardowymi odpowiednio zmiennej X i zmiennej Y. Jak łatwo zauważyć

r(X,Y) =


ELi (*■ - *) (»■ - y) >/EŁi (*« -• E"=i (yt - vf


(3.130)


Jeśli wartość r^x.Y) jest bliska 1, to pomiędzy zmiennymi istnieje dodatnia zależność liniowa (wraz ze wzrostem wartości jednej zmiennej, w „liniowy sposób” rosną wartości drugiej zmiennej). Gdy zaś wartość r^x.Y) jest bliska -1, to istnieje ujemna zależność liniowa (wraz ze wrzrostem wartości jednej zmiennej, w „liniowy sposób” maleją wartości drugiej zmiennej). Jeśli zaś wartość ryt y) jest bliska 0, świadczy to o braku liniowej zależności liniowej pomiędzy zmiennymi. Należy pamiętać jednak, że nie świadczy to o o braku zależności w ogóle - być może istnieje jakaś zależność, opisana w bardziej „skomplikowany sposób”, np. poprzez funkcję kwradratowrą, czy wykładniczą. Z tego powodu mówimy wtedy jedynie o braku korelacji pomiędzy zmiennymi, a nie o braku zależności.

Współczynnikowi korelacji liniowej Pearsona, czyli pewnej wielkości opartej na obserwacjach, odpowiada współczynnik teoretyczny, znany z rachunku prawdopodobieństwa - korelacja zdefiniowana wzorem

Corr(X, Y) =


Cov(X,Y)

v/VarX-Var Y


(3.131)


(porównaj z (3.129)).


Wyszukiwarka

Podobne podstrony:
stat Page resize 12 1.5 Statystyka opisowa dla danych grupowanych jest jednocześnie górnym krańcem
54393 stat Page resize 12 1.5 Statystyka opisowa dla danych grupowanych jest jednocześnie górnym k
stat Page resize Rozdział 3Statystyka matematyczna3.1 Podstawowe pojęcia Statystyka matematyczna o
stat Page resize 27 Statystyki! matematyczna3.2    Model statystyczny W wielu przyp
stat Page) resize 29 Statystyka matematyczna Co istotne w twierdzeniu 3.11, dwie trochę tylko inacz
stat Page9 resize 39 Statystyka matematyczna gdzie również ©i C ©, przy czym ©o n Oi = 0. Oznacz to
stat PageA resize >11 Statystyka matematyczna W teście statystycznym staramy się przede wszystki
stat PageC resize 43 Statystyka matematyczna dla pewnego ustalonego po    względem h
stat PageQ resize 51 Statystyka matematyczna (np. niebranymi pod uwagę zmiennymi). W ten sposób mod
stat PageS resize 53 Statystyki! matematyczna3.7.3 Podstawowa tożsamość analizy wariancji i jej
stat PageU resize 55 Statystyka matematyczna3.7.5 Losowa zmienna objaśniająca Przedstawiony wcześni
stat PageY resize 59 Statystyka matematyczna Ze względu na fakt, iż w modelu tym dopuszczamy istnie
stat Pagec resize 63 Statystyka matematyczna co daje nam wskaźnik o formule Laspeyresa (wielkość sp
stat Pagei resize 69 Wprowadzenie do planowania badania statystycznego • Błędy treści - w badaniu u
stat PageG resize 47 Statystyka matematyczna Testy zgodności z rozkładem normalnym Testy te sprawdz

więcej podobnych podstron