V pondělí 16. září 2024 začala naše další
nová soutěž o nejlepší webovou stránku !!
Proto neváhejte a začněte rychle soutěžit o lákavé ceny !!

Koeficient špičatosti

Z Multimediaexpo.cz

(Rozdíly mezi verzemi)
(vylep.)
m (Nahrazení textu „<math>“ textem „<big>\(“)
Řádka 1: Řádka 1:
'''Koeficient špičatosti''' ('''excesu''') je [[charakteristika náhodné veličiny|charakteristika]] rozdělení [[náhodná veličina|náhodné veličiny]], která porovnává dané [[rozdělení pravděpodobnosti|rozdělení]] s [[normální rozdělení|normálním rozdělením pravděpodobnosti]].
'''Koeficient špičatosti''' ('''excesu''') je [[charakteristika náhodné veličiny|charakteristika]] rozdělení [[náhodná veličina|náhodné veličiny]], která porovnává dané [[rozdělení pravděpodobnosti|rozdělení]] s [[normální rozdělení|normálním rozdělením pravděpodobnosti]].
-
Koeficient špičatosti se obvykle označuje <math>\gamma_2</math>.
+
Koeficient špičatosti se obvykle označuje <big>\(\gamma_2</math>.
==Definice==
==Definice==
Koeficient špičatosti je definován vztahem
Koeficient špičatosti je definován vztahem
-
:<math>\gamma_2 = \frac{\mu_4}{\sigma^4} - 3 = \frac{\operatorname{E}[X-\operatorname{E}(X)]^4}{\left(\operatorname{var}\,X\right)^2} - 3</math>,
+
:<big>\(\gamma_2 = \frac{\mu_4}{\sigma^4} - 3 = \frac{\operatorname{E}[X-\operatorname{E}(X)]^4}{\left(\operatorname{var}\,X\right)^2} - 3</math>,
-
kde <math>\mu_4</math> je čtvrtý [[centrální moment]], <math>\sigma</math> je [[směrodatná odchylka]], <math>\operatorname{E}(X)</math> označuje [[střední hodnota|střední hodnotu]] a <math>\operatorname{var}\,X</math> je [[rozptyl (statistika)|rozptyl]].
+
kde <big>\(\mu_4</math> je čtvrtý [[centrální moment]], <big>\(\sigma</math> je [[směrodatná odchylka]], <big>\(\operatorname{E}(X)</math> označuje [[střední hodnota|střední hodnotu]] a <big>\(\operatorname{var}\,X</math> je [[rozptyl (statistika)|rozptyl]].
==Vlastnosti==
==Vlastnosti==
Řádka 19: Řádka 19:
Výběrový koeficient špičatosti je definován vzorcem
Výběrový koeficient špičatosti je definován vzorcem
-
:<math>g_2 = \frac{m_4}{m_2^2} = n\frac{\sum_{i=1}^n (x_i - \overline{x})^4}{\left(\sum_{i=1}^n (x_i - \overline{x})^2 \right)^2}</math>,
+
:<big>\(g_2 = \frac{m_4}{m_2^2} = n\frac{\sum_{i=1}^n (x_i - \overline{x})^4}{\left(\sum_{i=1}^n (x_i - \overline{x})^2 \right)^2}</math>,
-
kde <math>\overline{x}</math> je [[Výběrový průměr|výběrový průměr]], <math>m_2</math> je [[výběrový rozptyl]] a <math>m_4</math> je čtvrtý [[Centrální moment#Výběrový centrální moment|výběrový centrální moment]].
+
kde <big>\(\overline{x}</math> je [[Výběrový průměr|výběrový průměr]], <big>\(m_2</math> je [[výběrový rozptyl]] a <big>\(m_4</math> je čtvrtý [[Centrální moment#Výběrový centrální moment|výběrový centrální moment]].
Tento odhad je [[Vychýlený odhad|vychýlený]]. Méně vychýlené odhady dostaneme, když místo výběrových centrálních momentů použijeme nevychýlené odhady centrálních momentů:<ref>{{cite web|title=Estimating and Comparing Kurtosis and Skewness from and Arbitrary Population|url=http://www.misug.org/mifolder/LAn_Skewness_Kurtosis.pdf|publisher=Michigan SAS Users Group|accessdate=18 July 2011}}</ref>
Tento odhad je [[Vychýlený odhad|vychýlený]]. Méně vychýlené odhady dostaneme, když místo výběrových centrálních momentů použijeme nevychýlené odhady centrálních momentů:<ref>{{cite web|title=Estimating and Comparing Kurtosis and Skewness from and Arbitrary Population|url=http://www.misug.org/mifolder/LAn_Skewness_Kurtosis.pdf|publisher=Michigan SAS Users Group|accessdate=18 July 2011}}</ref>
-
<math>
+
<big>\(
\begin{align}
\begin{align}
G_2 = \frac{M_4}{M_2^2} &= \frac{(n-1)}{(n-2)(n-3)}\left((n+1)g_2+6\right) \\
G_2 = \frac{M_4}{M_2^2} &= \frac{(n-1)}{(n-2)(n-3)}\left((n+1)g_2+6\right) \\
Řádka 32: Řádka 32:
</math>
</math>
-
Pro rozptyly těchto odhadů platí <math>\operatorname{var}\,b_2 < \operatorname{var}\,g_2 < \operatorname{var}\,G_2</math>.
+
Pro rozptyly těchto odhadů platí <big>\(\operatorname{var}\,b_2 < \operatorname{var}\,g_2 < \operatorname{var}\,G_2</math>.
== Reference ==
== Reference ==

Verze z 14. 8. 2022, 14:48

Koeficient špičatosti (excesu) je charakteristika rozdělení náhodné veličiny, která porovnává dané rozdělení s normálním rozdělením pravděpodobnosti.

Koeficient špičatosti se obvykle označuje \(\gamma_2</math>.

Obsah

Definice

Koeficient špičatosti je definován vztahem

\(\gamma_2 = \frac{\mu_4}{\sigma^4} - 3 = \frac{\operatorname{E}[X-\operatorname{E}(X)]^4}{\left(\operatorname{var}\,X\right)^2} - 3</math>,

kde \(\mu_4</math> je čtvrtý centrální moment, \(\sigma</math> je směrodatná odchylka, \(\operatorname{E}(X)</math> označuje střední hodnotu a \(\operatorname{var}\,X</math> je rozptyl.

Vlastnosti

Normální rozdělení má špičatost nula. Kladná špičatost značí, že většina hodnot náhodné veličiny leží blízko její střední hodnoty a hlavní vliv na rozptyl mají málo pravděpodobné odlehlé hodnoty. Křivka hustoty je špičatější, nežli u normálního rozdělení. Záporná špičatost značí, že rozdělení je rovnoměrnější a jeho křivka hustoty je plošší nežli u normálního rozdělení.

Špičatost rozdělení nezávisí na lineární transformaci náhodné veličiny, je tedy např. stejná pro všechna normální rozdělení.

Výběrový koeficient špičatosti

Výběrový koeficient špičatosti je definován vzorcem

\(g_2 = \frac{m_4}{m_2^2} = n\frac{\sum_{i=1}^n (x_i - \overline{x})^4}{\left(\sum_{i=1}^n (x_i - \overline{x})^2 \right)^2}</math>,

kde \(\overline{x}</math> je výběrový průměr, \(m_2</math> je výběrový rozptyl a \(m_4</math> je čtvrtý výběrový centrální moment.

Tento odhad je vychýlený. Méně vychýlené odhady dostaneme, když místo výběrových centrálních momentů použijeme nevychýlené odhady centrálních momentů:[1]

\( \begin{align} G_2 = \frac{M_4}{M_2^2} &= \frac{(n-1)}{(n-2)(n-3)}\left((n+1)g_2+6\right) \\ b_2 = \frac{m_4}{M_2^2} &= \left(\frac{n-1}{n}\right)^2g_2 - 3 \end{align} </math>

Pro rozptyly těchto odhadů platí \(\operatorname{var}\,b_2 < \operatorname{var}\,g_2 < \operatorname{var}\,G_2</math>.

Reference

  1. ↑ . Dostupné online.  


Citováno z „http://www2000.multimediaexpo.cz/mmecz/index.php/Koeficient_%C5%A1pi%C4%8Datosti“