Empīriskā kovariācija vienkārši izskaidrojama

instagram viewer

Vai jūs zināt par statistiku? Tad jums vajadzētu iepazīties ar empīrisko kovariāciju, ko bieži vien sauc par kovariāciju. Šeit ir vienkāršs skaidrojums par to, ko saka šis izmērs.

Kas slēpjas aiz empīriskās kovariācijas?
Kas slēpjas aiz empīriskās kovariācijas?

Ko tev vajag:

  • statistiskie mainīgie
  • vidējais aritmētiskais
  • Lasījumi
  • paraugs

Izprotiet kovariācijas paziņojumu

Empīriskā kovariācija ir nestandarta mērījums, kas apraksta lineāro sakarību starp diviem statistiskajiem mainīgajiem. Parasti jums ir paraugs (xi, yi) dots.

  • Kovariancija ir definēta samērā skaidri. Vispirms jums ir nepieciešami x rādījumii un nosaka to novirzi no vidējā aritmētiskā. Tādā pašā veidā rīkojieties ar izmērītajām vērtībām yi. Tagad reiziniet šīs izmērīto vērtību novirzes no attiecīgā vidējā aritmētiskā un saskaitiet tās ar i. Beigās jūs šo vērtību dalāt ar n, tas ir, ar izlases lielumu.
  • Tagad kovarianci var interpretēt šādi. Ja kovariācija ir pozitīva, tad X un Y mēdz būt korelācija vienā virzienā, t. H. trāpa xi noteiktam i stipri uz augšu, tad y sit ārāi arī uz augšu. Jo lielāka kovariancija, jo spēcīgākas ir šīs attiecības.
  • Ja kovariācijas vērtības ir negatīvas, ir tendence pretējā virzienā. Pie 0 nav savienojuma vispār.

Empīriskās kovariācijas piemērs

  • Pieņemsim, ka jums ir paraugs (xi, yi) dots. Šajā vienkāršajā gadījumā i = 3 un vērtības x1 = 2, x2 = 2,2, x3 = 6,3. Tāpat jums ir y vērtības1 = 1.1, g2 = 1,9 un y3 = Dots 4,5.
  • Aprēķiniet empīrisko kovarianci

    Statistikā dažās vietās nepieciešama empīriskā kovariācija. Bet kas …

  • Tagad vidējo aritmētisko var noteikt pēc x = (2 + 2,2 + 6,3) / 3 = 3,5 un y = (1,1 + 1,9 + 4,5) / 3 = 2,5.
  • Jūs varat aprēķināt empīrisko kovarianci kā ((2-3.5) (1.1-2.5) + (2.2-3.5) (1.9-2.5) + (6.3-3, 5) (4.5-2.5)) / 3 = (2.1 + 0.78 + 5,6) / 3 = 8,48 / 3 = 2,82 (...).
  • Līdz ar to dispersija ir salīdzinoši izteikti pozitīva, t.i. H. lineārajai sakarībai starp izmērītajām vērtībām ir liela nozīme. No vērtībām jau var redzēt, ka tās pārvietojas vienā virzienā un x novirzi3 uz augšu arī y novirze3 seko.

Kā redzat, šajā vienkāršajā piemērā empīriskā kovariācija ir izskaidrota ļoti vienkārši. Šie apsvērumi tiek izmantoti, veidojot akciju portfeļus, kuriem vajadzētu gan piedāvāt salīdzinoši augstu ienesīgumu, gan solīt salīdzinoši zemu risku.

Cik noderīgs jums šķiet šis raksts?

click fraud protection