Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
STATISTICA (II° PARZIALE)
frequenza marginale di X (quante volte si è presenta un certo carattere iesimo di X)
numero totale di unità statistiche
h
μi. = Σ μij j=1, ..., J, K
μ.j = Σ μij i=1, ..., μ
inoltre Σ μ.j = Σ μi. = μ
Σ freq. marginali è uguale al tot. delle unità statistiche
SCATTER PLOT: grafico che riporta le coppie di modalità (iesimo del carattere X e jesimo del carattere y) aventi frequenza
VARIABILE STATISTICA MARGINALE
X
Y
μ1μij
- μ.1
- μ.2
- μ.3
- μ..
- μ.k
- ..
- μh
- μ
Variabili statistiche condizionate
X|Y Y|X x1 μ1|r y1 μi x2 μ2|r y2 μj x3 μ3|r y3 μh … … … … xh μh|r yk μl μl|r μi.Frequenze relative
fir = μir / μ (congiunte)
fi. = μi. / μ e f.r = μ.r / μ (marginale)
μir / μ.r = fir / f.r fissato j
e μir / μi. = fir / fi. fissato i
Condizionate:
X|Y x1 μ11 / μu x2 μ21 / μs xh μh|r / μs 1(μir / μ.r)2 = (fir / f.r)2
… non ho fatto altro che moltiplicare per μu sopra e sotto.
Massima Dipendenza Funzionale
y = g(x) e/o x = K(y)
L'od ogni xi corrisponde uno e uno solo yi
N.B. Se la tabella e quadrata, la sua dipendenza funzionale di fevo avere è unica!
N.B.2: Se tabella quadrata e dipendenza mass. funz. → una sola frequenza non nulla su riga/colonna
Studio della Dipendenza
- Qualitativi (principalmente) → Connessione
- Quantitativi (etc) → Modelli di regressione
Connessione
(Non-indipendenza stocastica)
Cij = μij - μ̂iμ̂j
contingenze assolute = distanze elementare
Σi=1r Cij = 0 , Σj=1k Cij = 0 , Σ Cij = 0
indipendenza stocastica → Cij, ∀ i, j ≠ 0
Indice Chi-Quadrato di Pearson
χ2 = Σi=1r Σj=1k (Cij)2 / μ̂ij = χobs2 - μ̂ₒ'
III° ADDENDO:
2 Σi (yi - μy(xi))(μy(xi) - μy) fi =
= 2 Σi (yi - μy(xi))(μy(xi) - μy) Σi fi =
= 2 Σi (yi - μy(xi))(μy(xi) - μy) fi =
2 Σ i (μy(xi) - μy ) fi ( Σi (yi - μμyy(xi) fi / fi)
= 0 per I° progetto dello scarto
= 0 σ ̲2 = σ ̄2q + σ2
e.v.d
INDICE DI ADATTAMENTO DELLA FUNZIONE DI REGRESSIONE
os. ri. faide indicatone in questo lo sua funzione sui spiega l'andamento dei dati.
σ2 σ x2
σq = 1- σq2
σq