Metody analizy współzależności dwóch cech Mieczysław Kowerski

Slides:



Advertisements
Podobne prezentacje
KORELACJA I REGRESJA WIELOWYMIAROWA
Advertisements

BADANIE KORELACJI ZMIENNYCH
WIEDZA I NAWYKI ŻYWIENIOWE KOBIET AKTYWNYCH FIZYCZNIE
Krzywe kalibracyjne Anna Kolczyk gr. B2.
Analiza współzależności zjawisk
ISTOTA KORELACJI I REGRESJI
Zmienne losowe i ich rozkłady
Metody analizy współzależności cech (zmiennych)
Materiały pochodzą z Platformy Edukacyjnej Portalu
Elementy Modelowania Matematycznego
Analiza współzależności
Analiza współzależności
ANALIZA WSPÓŁZALEŻNOŚCI
Analiza portfeli dwu- oraz trzy-akcyjnych
Statystyczne parametry akcji
Statystyczne parametry akcji
Pakiety statystyczne Maciej Szydłowski (dr)
BIOSTATYSTYKA I METODY DOKUMENTACJI
Analiza korelacji.
Prognozowanie na podstawie szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Korelacje, regresja liniowa
ANALIZA KORELACJI LINIOWEJ PEARSONA / REGRESJA LINIOWA
Analiza współzależności dwóch zjawisk
Korelacja, autokorelacja, kowariancja, trendy
analiza dynamiki zjawisk Szeregi czasowe
OCENA WPŁYWU EFEKTYWNOŚCI DZIAŁANIA GRUPY BANKÓW GIEŁDOWYCH
Seminarium 2 Krzywe kalibracyjne – rodzaje, wyznaczanie, obliczanie wyników Równanie regresji liniowej Współczynnik korelacji.
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
dr hab. Ryszard Walkowiak prof. nadzw.
Współczynnik: Pearsona, Spearmana, Czuprowa
Rozkłady wywodzące się z rozkładu normalnego standardowego
AUTOMATYKA i ROBOTYKA (wykład 5)
Elementy Rachunku Prawdopodobieństwa i Statystyki
Korelacja rang.
ZRÓŻNICOWANIE PRZESTRZENNE KAPITAŁU LUDZKIEGO W POLSCE
II. Matematyczne podstawy MK
Kilka wybranych uzupelnień
Metody badawcze wykorzystywane w analizach – ĆW 2
Podstawy statystyki, cz. II
Planowanie badań i analiza wyników
Regresja wieloraka.
Metody matematyczne w Inżynierii Chemicznej
Analiza portfeli dwu- oraz trzy-akcyjnych
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Regresja liniowa Dany jest układ punktów
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Repetytorium z probabilistyki i statystyki
Analiza portfeli dwu- oraz trzy-akcyjnych
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Weryfikacja hipotez statystycznych dr hab. Mieczysław Kowerski
Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności.
RODZAJE ALGORYTMÓW 2.-warunkowe 1.-liniowe i=i+1 3.-iteracyjne.
Statystyczna analiza danych
Badanie własności składnika losowego dr hab. Mieczysław Kowerski
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Ekonometria Wykład II Modele nieliniowe - metody ich estymacji i praktyczne zastosowania dr hab. Mieczysław Kowerski.
STATYSTYKA – kurs podstawowy wykład 9 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Analiza portfeli dwu- oraz trzy-akcyjnych. Portfel dwóch akcji bez możliwości krótkiej sprzedaży W - wartość portfela   W = a P 1 + b P 2   P 1 -
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
a) 3x 3x b) X+3 X+3 c) X:3 X:3 d) X-3 X-3.
STATYSTYKA – kurs podstawowy wykład 11
Metody matematyczne w Inżynierii Chemicznej
Rozwiązanie nadokreślonego układu równań za pomocą macierzy
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Analiza współzależności zjawisk
KORELACJA WIELOKROTNA I CZĄSTKOWA
Korelacja i regresja liniowa
Zapis prezentacji:

Metody analizy współzależności dwóch cech Mieczysław Kowerski Statystyka Metody analizy współzależności dwóch cech Mieczysław Kowerski

Zależność cech

Rodzaje zależności

Zależność mierzalnych cech ciągłych

Kowariancja dwóch cech

Silna korelacja dodatnia

Silna korelacja ujemna

Brak korelacji

Współczynnik korelacji liniowej Pearsona

Zależność pomiędzy dywidendą wypłacaną w roku t a zyskiem netto w roku t-1

Obliczanie współczynnika korelacji za pomocą funkcji EXCEL

Wprowadzania danych

Wynik

Ocena wartości obliczonych współczynników korelacji Dodatnia korelacja Ujemna korelacja Ocena poziomu korelacji rxy = 0 brak korelacji 0 < rxy < 0,1 - 0,1 < rxy < 0 nikła korelacja 0,1 <= rxy < 0,4 - 0,4 < rxy <= - 0,1 słaba korelacja 0,4 <= rxy < 0,7 - 0,7 < rxy <= - 0,4 przeciętna korelacja 0,7 <= rxy < 0,9 - 0,7 < rxy < = - 0,7 wysoka korelacja rxy >= 0,9 rxy <= - 0,9 bardzo silna (wysoka) korelacja

Ocena siły zależności (istotności) dwóch cech mierzalnych ciągłych Istotność zależności mierzonej za pomocą współczynnika korelacji liniowej Pearsona zależy od liczby obserwacji. Im większa liczba obserwacji tym niższa wartość współczynnika korelacji zapewnia już istotność. Ale weryfikację istotności należy przeprowadzić za pomocą testu statystycznego opartego o statystykę t – studenta.

Macierz korelacji

Macierz korelacji Program EXCEL - Analiza danych – Korelacja

Wprowadzenie danych

Wyniki

Zależność dwóch cech porangowanych Zależność dwóch cech porangowanych. Współczynnik korelacji rangowej Spearmana oznacza różnicę miedzy rangami odpowiadających sobie wartości zmiennych X oraz Y

Obliczenia w Excel

Pomiar zależność pomiędzy dwiema cechami niemierzalnymi Pomiar zależność pomiędzy dwiema cechami niemierzalnymi. Miary skojarzenia

Tablica niezależności

Współczynnik V Cramera

Współczynnik V Cramera cech dwuwartościowych

Przykład. Zależność pomiędzy płcią a wynikami egzaminu ze statystyki

Ocena siły zależności (istotności) dwóch cech niemierzalnych Do oceny siły (istotności) zależności dwóch cech niemierzalnych należy zastosować test chi – kwadrat Pearsona

Pomiar zależności pomiędzy cechą mierzalną, ciągłą a niemierzalną Można zastosować współczynnik eta. Ale częściej o istotności zależności pomiędzy cechą dychotomiczną a mierzalną cechą ciągłą stosuje się test t – studenta różnic średnich.

Przykładowe pytania

Przykładowe pytania