diff --git a/podsumowanie/README.md b/podsumowanie/README.md index f4029e5..e1898b0 100644 --- a/podsumowanie/README.md +++ b/podsumowanie/README.md @@ -105,13 +105,13 @@ Lista: - **Miara asymetrii rozkładu** - w którą stronę - prawo/lewo, zmienna się rozkłada. - zero to symetryczny - dodatnie to prawostronnie asymetryczny - lewa część jest większa - - ujemna to lewostronnie asymetryczna - prawa część jest większa + - ujemna to lewostronnie asymetryczna - prawa część jest większa
![asymetria](lab3/asymetria.png) - **Kurtoza** - miara skupienia wartości wokół średniej. Porównuje rozkład empiryczny z rozkładem normalnym. - Większa niż 0, im większa wartość tym bardziej wartości skupione wokół średniej - Dla rozkładu normalnego = 0 - - Dla ujemnych (min -2) wykres jest bardziej spłaszczony niż rozkłąd normalny + - Dla ujemnych (min -2) wykres jest bardziej spłaszczony niż rozkłąd normalny
![kurtoza](lab3/kurtoza.png) - **Odchylenie standardowe** - intuicyjnie rzecz ujmując, odchylenie standardowe mówi, jak szeroko wartości jakiejś wielkości (na przykład wieku, inflacji, kursu walutowego) są rozrzucone wokół jej średniej. @@ -129,7 +129,7 @@ Im mniejsza wartość odchylenia tym obserwacje są bardziej skupione wokół ś Kwantyl rzędu 1/2 to inaczej mediana. Kwantyle rzędu 1/4, 2/4, 3/4 są inaczej nazywane kwartylami. - pierwszy kwartyl (notacja: Q1) = dolny kwartyl = kwantyl rzędu 1/4 = 25% obserwacji jest położonych poniżej - drugi kwartyl (notacja: Q2) = mediana = kwantyl rzędu 1/2 = dzieli zbiór obserwacji na połowę - - trzeci kwartyl (notacja: Q3) = górny kwartyl = kwantyl rzędu 3/4 = dzieli zbiór obserwacji na dwie części odpowiednio po 75% położonych poniżej tego kwartyla i 25% położonych powyżej + - trzeci kwartyl (notacja: Q3) = górny kwartyl = kwantyl rzędu 3/4 = dzieli zbiór obserwacji na dwie części odpowiednio po 75% położonych poniżej tego kwartyla i 25% położonych powyżej
![kwanty](lab3/kwantyl.png) - **Wykres ramkowy**
@@ -221,7 +221,7 @@ W wykresach na dole to wartość cechy a wysokość słupka to prawdopodobieńst ### Zagadnienia -- Wykres kwantyl-kwantyl - służy do porównania dwóch rozkładów na podstawie kwantyli. Może służyć do porównania wartości estymowanych z rzeczywistymi. Punkt (x,y) odpowiada jednemu kwantylowi drugiego rodzaju - współrzędna y względem kwantyla tego samego rzędu pierwszego rozkładu - współrzędna x. +- Wykres kwantyl-kwantyl - służy do porównania dwóch rozkładów na podstawie kwantyli. Może służyć do porównania wartości estymowanych z rzeczywistymi. Punkt (x,y) odpowiada jednemu kwantylowi drugiego rodzaju - współrzędna y względem kwantyla tego samego rzędu pierwszego rozkładu - współrzędna x.
![kwantylkwantyl](lab4/kwantylkwantyl.png) - Empiryczne - wynikające z doświadczenia @@ -235,7 +235,7 @@ W wykresach na dole to wartość cechy a wysokość słupka to prawdopodobieńst - Moment - moment zwykły rzędu k zmiennej losowej to wartość oczekiwana k-tej potęgi tej zmiennej. - zmienna losowa to funkcja prawdopodobieństwa - - wartość oczekiwana to wartość określająca spodziewany wynik doświadczenia losowego. Dobrym estymatorem wartości oczekiwanej jest średnia. + - wartość oczekiwana to wartość określająca spodziewany wynik doświadczenia losowego. Dobrym estymatorem wartości oczekiwanej jest średnia.
![moment](lab4/moment.png) - Metody wyznaczania estymatorów: @@ -251,7 +251,7 @@ W wykresach na dole to wartość cechy a wysokość słupka to prawdopodobieńst ![mc1](lab4/mc1.png) ![mc2](lab4/mc2.png) - - Metoda bootstrapowa - mamy jakąś próbę z n obeserwacjami i z tej próby losujemy elementy - uzyskujemy próbkę bootstrapową. Powtarzając ten proces otrzymujemy ciąg próbek i odpowiadających jej wartości statystyki. Dzięki tej metodzie, wyniki testów parametrycznych i analiz opartych o modele liniowe są bardziej precyzyjne. Metoda szacowania (estymacji) wyników poprzez wielokrotne losowanie ze zwracaniem z próby. Przydatna gdy nie znamy typu rozkładu. + - Metoda bootstrapowa - mamy jakąś próbę z n obeserwacjami i z tej próby losujemy elementy - uzyskujemy próbkę bootstrapową. Powtarzając ten proces otrzymujemy ciąg próbek i odpowiadających jej wartości statystyki. Dzięki tej metodzie, wyniki testów parametrycznych i analiz opartych o modele liniowe są bardziej precyzyjne. Metoda szacowania (estymacji) wyników poprzez wielokrotne losowanie ze zwracaniem z próby. Przydatna gdy nie znamy typu rozkładu.
![bootstrap](lab4/bootstrap.png)