Upload
others
View
12
Download
0
Embed Size (px)
Citation preview
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY
Katedra statistiky a pravděpodobnosti
STATISTIKA
VZORCE PRO 4ST201 a 4ST210
verze 2018 poslední aktualizace: 1. 9. 2018
KSTP 2018
pozharsky
DODATEČNÉ ÚPRAVY:
1
Popisná statistika = i
inpn
1=
=k
ii
n n 1
1=
=k
ii
p i = 1, 2, ..., k
(1) (2) ( )
( )
( ) ( 1)
0 1
...
, , 1,
,2
+
= +
+= =
P
P P
n
P P z P
z zP P
x x xx x x nP z nP
x xx nP z
P
1==
n
ii
xx
n 1
1
=
=
=
k
i ii
k
ii
x nx
n
1==
k
i ii
x x p
1
1=
=
H n
i i
nx
x
1
1
=
=
=
k
ii
H ki
i i
nx
nx
1
1
=
=
H k
i
i i
xpx
1 21=
= = n
nnG i ni
x x x x ... x
R = xmax − xmin
2
2 1( )
=−
=
n
ii
x
x xs
n
22
1 12 2 2
n n
i ii i
x
x xs x x
n n= =
= − = −
2
12
1
( )=
=
−=
k
i ii
x k
ii
x x ns
n
22
1 12 2 2
1 1
k k
i i i ii i
x k k
i ii i
x n x ns x x
n n
= =
= =
= − = −
2 2
1( )
=
= −k
x i ii
s x x p 2 2 2 2 2
1 1( )
k k
x i i i ii i
s x x x p x p= =
= − = −
2 2
1 12 2 2
1 1
( )= =
= =
−= + = +
k k
ix i i ii i
x x k k
i ii i
s n x x ns s s
n n 1
1
k
i ii
k
ii
x nx
n
=
=
=
2 2 2
1 1( )
k k
x ix i i ii i
s s p x x p= =
= + − 1=
= k
i ii
x x p
2=x xs s = xx
svx
9pravdepodosnost samaietnosticam sumausiasreteetnosti
masinger
Sumahadnot praomorpronetietnosti
ba kvazengaril.progaritmetidigpramer primer harmonianj
primerfretietnosti
harmonicaprimer
harmonica roiseng
primer Ivarposet
geometringI
praomers
variantroapeti amooningpremer
prostg'tprostgrozptglrozptglcug
poetougtvavlvazeng.rsrozptgl vaz
engrozptglcugpoetoug.fi
tray roaptglrelietnosti
rozptg.la Cujpoetougrel.ietnosti tray
rozklad primerprimera
rozptglarozkladyvozptg.la
primerproimeiacnet.eetn.si cnet.eetn.si
smerodatna variantsachgikat Koeficient
2
Pravděpodobnost Počet pravděpodobnosti
( ) =mP An
( ) 1 ( )P A P A= −
P(A B) ≤ min(P(A), P(B)) P(A B) = P(A) P(B) P(A B) = P(A) + P(B) − P(A B) P(A B) = P(A) + P(B) Náhodné veličiny P(x) = P(X = x) F(x) = P(X x) = ( )
j
jx x
P x
1 2
1 2 2 1( ) ( ) ( ) ( )
= = −x x x
P x X x P x F x F x
( ) ( )= x
E X x P x 2
22 2( ) ( ) ( ) ( ) ( ) = − = −
x xD X E X E X x P x xP x
( ) ( )=f x F x ( ) 1
−
= f x dx F(x) = P(X x) = ( )−x
f t dt
P(x1 < X x2) = =2
1
)(x
x
dxxf F(x2) − F(x1)
xP , 0 < P < 1 ( )PF x P = 1 ( )−=Px F P
( ) ( )
−
= E X x f x dx 2
2 )()()(
−=
−
−dxxxfdxxfxXD ( )D X =
Pravděpodobnostní rozdělení Alternativní rozdělení A()
( ) 11( ) −= −x xP x x = 0, 1, 0 1
E(X) = ( ) ( )1 = −D X
Binomické rozdělení Bi(n,)
( ) (1 ) − = −
x n xn
P xx
x = 0, 1, 2, ..., n, 0 1 n N,
( ) ( ) ( )1 = = −E X n D X n
Poissonovo rozdělení Po()
( ) −=x
P x ex!
x = 0, 1, ... , > 0,
E(X) = D(X) =
doplnekpravdepod.sn.stiinspinnivijevg Cyevopaengseeingpoietsev praninzo preening 2J2eivistepravdepodornost jerry
sjednocenislaiitelugibjevao t.sgednocenineslaeiteingohjeua.NT neza
uislejevg.tn9pravdepodobnosthi distribainikankce
Eunice
hespojitestredna nahvetoinghodnotah rozptgi
hastotapraudepodornosti distribaeniEunice
spojitehah.ve
E1hystrednrhodnotarozptgljhornihran.ie smirodatndw godonglka
d.lnihran.ie
T konstantnipvavdepodobnostpraudep.d.snosiniFunke
stream'T ans.dnota
rozptglpravdep.d.sno.tw
Eunice
stiedui rozptglns.dnotag
pravdep.d.sno.twEunice
stieduins.dnotagrozptgl
pravděpodobnost
3
Hypergeometrické rozdělení Hg(M, N, n)
( )
− − =
M N Mx n x
P xNn
, ( ) 0= − +x max ,M N n , ..., min(M, n), 1 ≤ n < N, 1 ≤ M < N
( ) = ME X nN
( ) 11
− = − − M M N nD X nN N N
Normované normální rozdělení N(0,1)
−
=XU - u E(U) = 0 D(U) = 1
( ) 1 ( ) = − −u u 1−= −P Pu u Normální rozdělení N(µ,2)
- x , - µ , 2 > 0 E(X) = D(X) = 2
−
=xu ( ) ( ) xF x u
− = =
= +P Px u
1 21 2( )
− −− = =
x xXP x X x P 1 2 2 1( ) ( ) ( ) = −P u U u u u
Chí-kvadrát rozdělení 2() 0, x N Rozdělení t (Studentovo) t() - x , N tP(ν) = −t1-P(ν) F rozdělení (Fisherovo – Snedecorovo) F(1,2) 1 20x , , N
1 21 2 1
1( )( , )
−
=PP
F ,F
praudep.d.snoe.twEunice
stieduin tozptglyns.dnota
strednthodnota
rozptyl lIi
streidnihodnota rozp.bg
MsI II
Ipooervoimetabalkg
4
Matematická statistika 2
1( )
1=
−=
−
n
ii
X XS
n
Bodové a intervalové odhady parametrů (teoretické intervaly spolehlivosti)
střední hodnota =ˆ X
=N NX normální rozdělení
a) 2 známý
1 2 1 2 1 − −
− = −
/ /P X u X un n
1 1 −
− = −
P X u ,n
1 1P X un −
= −
b) 2 neznámý
1 2 1 2 1/ /S SP X t X tn n − −
− = −
T ~ t(n – 1)
1 1SP X t ,n −
− = −
1 1 − = −
SP X tn
obecné rozdělení, 2 neznámý, velký výběr (n > 30)
1 2 1 2( ) 1/ /S SP X u E X X un n − −
− = −
1 ( ) 1 − − = −
SP X u E X ,n
1( ) 1SP E X X un −
= −
rozptyl 2 (normální rozdělení) 2 2 = S Parametr alternativního rozdělení (odhad relativní četnosti základního souboru)
= P
=N NP
1 2 1 2(1 ) (1 ) 1/ /
P P P PP P u P un n − −
− −− = −
1(1 ) 1P PP P u
n −
−− = −
1
(1 ) 1 −
− = −
P PP P un
vcjberova
smerodatnaodchglkaysmerodatnaodchg.ua
hladinarginamnosti
IT fJ O oboastraningintervall spolehlivosti
primer Kvantil Ysmerodatnachg.ba
Levostraung int spolehlivosti pravostranngint spolehlivosti
Pooetstapaevolnosti
I oboastraningintervalI spolehlivosti
preemeir Krantistudentroadetent
Levostraung int spolehlivosti pravostranngint spolehlivosti
Levostraung int spolehlivosti pravostranngint spolehlivosti
pod Kranti
Levostraung int spolehlivosti pravostranngint spolehlivosti
matematická statistika
5
Testování statistických hypotéz Střední hodnota normálního rozdělení
H0 H1 Testové kritérium Kritický obor = 0 > 0
< 0 0
2 známý
0−
=XU n U ~ N(0,1)
W ={u; u u1-} W ={u; u -u1-} W ={u; u u1-/2}
2 neznámý
0−=
XT nS
T ~ t(n – 1)
W ={t; t t1-} W ={t; t -t1-} W ={t; t t1-/2}
Střední hodnota, obecné rozdělení, velký výběr
H0 H1 Testové kritérium Kritický obor E(X) =0 E(X) > 0
E(X) < 0 E(X) 0
2 neznámý (n > 30)
0−=
XU nS
U ≈ N(0,1)
W ={u; u u1-} W ={u; u -u1-} W ={u; u u1-/2}
Parametr alternativního rozdělení (velké výběry)
H0 H1 Testové kritérium Kritický obor = 0
> 0 < 0 0
0
0 0(1 )
−
=−
PU
n
U ≈ N(0,1) W ={u; u u1-} W ={u; u -u1-} W ={u; u u1-/2}
Rovnost středních hodnot dvou rozdělení velké nezávislé výběry
H0 H1 Testové kritérium Kritický obor E(X1) = E(X2) E(X1) − E(X2) = 0
E(X1) > E(X2) E(X1) < E(X2) E(X1) E(X2)
12 a 2
2 neznámé 1 22 2
1 2
1 2
X XUS Sn n
−=
+ U ≈ N(0,1)
W ={u; u u1-} W ={u; u -u1-} W ={u; u u1-/2}
závislé výběry z normálního rozdělení (párový t-test)
H0 H1 Testové kritérium Kritický obor 1 = 2 1 − 2 = 0
1 > 2 1 < 2 1 2
=D
nDTS
T ~ t(n – 1)
Di = X1i – X2i, i = 1, 2, ..., n
W ={t; t t1-} W ={t; t -t1-} W ={t; t t1-/2}
Chí-kvadrát test dobré shody
H0 a H1 Testové kritérium Kritický obor H0: j = 0,j j = 1, …, k H1: non H0
20 ,
1 0 ,
( )=
−=
k j j
j j
n nG
n G ≈ 2(k −1) W ={g; g 2
1-}
5 jn
O Krantiprimer edpInamdarwho
roadElenismer.oachg.no
Ohypotengp I
Podil
primer
rogstad
Preet
premernoidiference PociziroimeExcel
Poietstapaevolnosti
ceikovgpEYD.era.uangp.atYetstapnavolnosti
6
Analýza závislostí Kontingenční tabulka (r x s)
1 1 1 1+ +
= = = == = =
r s r s
ij i ji j i j
n n n n i jij
n nn
n+ + = 5 ijn
H0 H1 Testové kritérium Kritický obor znaky jsou nezávislé
non H0 2
1 1
( / )/
+ +
= = + +
−=
r sij i j
i j i j
n n n nG
n n n G ≈ 2((r − 1)(s − 1))
W ={g; g ≥ 21-}
=+GC
G n
( 1)=
−GV
n m, m = min (r, s)
Tabulka 2 2 2
11 22 12 21
1 1 2 2
( )n n n n nGn n n n+ + + +
−=
Analýza rozptylu
( )2
1 1= =
= −jnk
y jij i
S y y = Sy.m + Sy.ν ( )2
.1=
= −k
y m j jj
S y y n ( )2
.1 1
= =
= −jnk
y ji jj i
S y y
2 y.m
y
SP
S=
H0 H1 Testové kritérium Kritický obor 1 = 2 = ...=k non H0
.
.
1−=
−
y m
y v
SkF Sn k
F ~ F(k – 1, n – k)
W ={F; F F1-α}
Regrese a korelace regresní přímka y = 0 + 1x + ,
0 1 0 1ˆ ˆˆ , Y b b x y x = + = +
0 1
2, 0 1
1minimum ( )
n
i ii
y x =
− −
( )( )1 .
n
i ii
xy
x x y ys xy x y
n=
− −= = −
( )1 1 2 22 22
.ˆ xyi i i i
xi i
sn y x x y xy x ybsx xn x x
− −
= = = =−−
2
0 0 12 2ˆ ˆ
( )i i i i i
i i
y x y x xb y x
n x x
−= = = −
−
Jiné regresní funkce 2 20 1 2 0 1 2
ˆ ˆ ˆˆ,Y b b x b x y x x = + + = + +
0 1 1 2 2 0 1 1 2 2ˆ ˆ ˆ ˆˆ... , ...k k k kY b b x b x b x y x x x = + + + + = + + + +
gamaitehoiadkagysamas.te
hosloupcestapne
volnostip.ie't
ia
dkaolpoietsioapca.PEarsonaovkoefiiientkoutiugence aameravkoeficientkoutingence
Zjednodasenjvzorec.pro
abalkg2x2mguskapinovgsoaietitverce
ceikovgs.oacetitva.ca iunitroskapinovg
Pomerdeterminace soaietetuerce
poietskapinrovnoststrodurch I rstapnevoinostihodns.it
colkovjpoetKonstanta smernice
nahodnesbika
parabola
vicenasobnareg.fmloe
analýza závislostí
7
( )2
1== −
n
y ii
S y y ( )2
1ˆ
== −
n
T ii
S y y ( )2 2
1 1ˆˆ
= == − =
n n
R i i ii i
S y y
Sy = ST + SR 2 =−
RR
Ss
n p sR = 2=
−R
RS
sn p
2 2 T
y
SR IS
= = 2 2 2 11 (1 )ADJ ADJnI R In p−
= = − −−
Test hypotézy o regresním parametru
H0 H1 Testové kritérium Kritický obor j = 0 j 0
j
j
ˆ
ˆT
s
= T ~ t(n – p)
W ={t; t ≥ t1-/2}
Test o modelu p = k + 1
H0 H1 Testové kritérium Kritický obor 0 = c 1 = 0 ... k = 0
non H0
1−=
−
T
R
SpF Sn p
F ~ F(p – 1, n – p)
W = {F; F ≥ F1-}
korelační koeficient
( )( )1 1 1
2 2 2 22 2 2 2
1 1 1 1( ) ( )
= = =
= = = =
−−
= = = =− −− −
n n n
i i i ixyi i i
yx xy n n n nx y
i i i ii i i i
n x y x y sxy x yr rs sx x y yn x x n y y
H0 H1 Testové kritérium Kritický obor ρXY = 0 ρXY 0
2
2
1xy
xy
r nT
r
−=
− T ~ t(n –2)
W ={t; t ≥ t1-/2}
readaalnisoacetctveroaoceikovgsoacetetve.ca Te.veokgsoacet
ctveroaokoefiiientlndexdeterminaoe apravengkoefii.int
lndexdeterminaoePoc
etstapnoavolnosti
pocetreg.koefiaenta
teoretiokgs.itveroaopocetstapnoavoin.si IFisherovorozdeleni
readaaln.s.aeitverouo
tfpTpocetstapnoavoinosti
festrginamnostiKordhoeficientu
8
Časové řady
1==
T
tt
yy
T
12 31 2 1
12
1 1... 2 22 2 2
1 1
−−
=
++ + + ++ + += =
− −
T
T Tt T
t
y yy y y y y y yy
T T2 31 2 1
1 2 1
1 2 1
...2 2 2
...
−−
−
++ ++ + +
=+ + +
T TT
T
y yy y y yd d dy
d d d
yt = yt − yt−1 2 1
1 1
= −
= =− −
T
tt T
y y yyT T
1−
= tt
t
yk
y 1 12 3
1
...− −= = TT TTyk k k ky
1 = −t tk 1 = −k
Dekompozice časové řady yt = Tt + Ct + St + t yt = Tt Ct St t Modelování trendu Trendové funkce Tt = 0 + 1t 0 1
ˆ ˆˆ = +tT t Tt = 0 + 1t + 2t2 20 1 2ˆ ˆ ˆˆ = + +tT t t
MSE =
2
1ˆ( )
T
t tt
y y
T=
−
( )21
2
2
1
ˆ ˆ
ˆ
T
t tt
T
tt
DW
−=
=
−=
Klouzavé průměry
m = 2p + 1 1 1... ...ˆ − − + ++ + + + + += = t p t t t t p
t ty y y y y
T ym
m = 2p ( )1 1 1 11ˆ 2 ... 2 2 2 ... 2
2 − − + − + + − += = + + + + + + + +t t t p t p t t t t p t pT y y y y y y y ym
Modelování sezónnosti Regresní metoda s umělými proměnnými (lineární trend, sezónnost délky 4) yt = Tt + St + εt = 0 + 1t + 1D1t + 2D2t + 3D3t + 4D4t + t
yt* = 0
* + 1*t + 1
*D1t + 2*D2t + 3
*D3t + t
* * *1 2 3ˆ ˆ ˆˆ
4 + +
=s ˆ ˆ ˆ ˆ, 1, 2, 3 = = − =j j jS s j 4 4ˆ ˆ ˆ= = −S s *
0 0ˆ ˆ ˆ = + s
1
ˆ 0=
=s
jj
S
aritmetickj chronologickgproimeirprimer is
ckronologiokgvazengp.name
absolatnipirrastek pramanjarsolatnipirrastekb mirgdgnamikg
Koeficientrasta praomerngroeficientrasta
isrelativnipiiraster pramangrelativnipinaster
Aditivni Maltiplikativni
parabola
primka
preemernoietvercovachyba
prostes
centrovani
natueptepositat
aj.tasez.si.ika IEturkisezinnisbika upravencikonstanta
soaietseasbiekso
9
Indexní analýza Individuální indexy jednoduché
=Qpq
IQ Iq Ip=
11 0
0
= = −pIp p p pp
11 0
0
= = −qIq q q qq
11 0
0
= = −QIQ Q Q QQ
/1 2/1 3/2 / 11
...tt t t
yI I I Iy −= = /1
/ 11 1/1
t tt t
t t
y IIy I−
− −
= =
Individuální indexy složené
1 0 1Σ
10 0
.= = =
q
q Iq q qI qq q
Iq
1 0q q q = −
1 1 1 0 1Σ
10 0 0 0
.= = = =
Q
Q p q IQ Q QI QQ p q Q
IQ
1 0 = − Q Q Q
1
1 1 1 1
1 11 1
0 0 0 00
00 0
0
QQ p q Qq qp pIpQ p q Qp
Qq qp
= = = =
1 1 0 01 0
1 0
= − = −
p q p qp p p
q q
Souhrnné indexy 1 0 0 0 0( )
0 0 0 0 0
. .= = =
L p q Ip p q Ip QIp
p q p q Q 1 1 1 1 1( )
1 1 10 1
= = =
P p q p q QIp p q Qp q
Ip Ip
( ) ( ) ( ).=F L PIp Ip Ip
0 1 0 0 0( )
0 0 0 0 0
. .= = =
L p q Iq p q Iq QIq
p q p q Q 1 1 1 1 1( )
1 1 11 0
= = =
P p q p q QIq p q Qp q
Iq Iq
( ) ( ) ( )= F L PIq Iq Iq
Irisacena minister
I moistencenorg index indexindex treby
Baking Ietezovgindex
g gindex
is11Fishercerindex
11 IKshetraindex