| Kieli : |
|
| Tietosanakirja yhteisö |Tietosanakirja Vastauksia |Lähetä kysymys |Sanasto Tieto |Tallennettu tieto |
Keskihajonta |
 |
|
Keskihajonta (keskihajonta), joka tunnetaan myös nimellä MSE (mean square error) Keskihajonta Yleistä Keskihajonta on tilastollinen käsite edustaa hajonta. Keskihajonta toimenpide on laajalti käytetty varastossa ja rahastosijoituksen riskin, joka perustuu pääasiassa nettoarvo rahaston volatiliteetti kyse ajan laskettu. Yleensä suurempi keskihajonta, joka osoittaa ankarampaa ylä-ja alamäkiä net, aste riski on suurempi. Toimintatapoja voidaan edelleen käyttää käsitettä yksikön riskittömän koron, kun taas tuotto katsotaan riskitekijät huomioon. Niin sanottu riskitön korko tarkoitetaan mittayksikköä sijoittajan riski yksikköä kohti sitoutumista, voi saada maksettu Sharp indeksi sijoittajat käyttävät useimmin.Keskihajonta on mitta käsitteen arvomaailman levittää keskiarvosta tutkinnon. Suuri keskihajonta, useimmat suuret erot edustavia arvoja ja niiden keskiarvo; pienempi keskihajonta, jotka edustavat arvoja lähemmäksi keskiarvoa. Esimerkiksi, joukko numeroilla {0, 5, 9, 14} ja {5, 6, 8, 9} ovat keskimäärin 7, mutta toinen joukko, jolla on pienempi keskihajonta. Keskihajonta voidaan käyttää mittana epävarmuutta. Esimerkiksi fysiikan, tekee toistuvia, mittaus ja keskihajonta näiden mittausten edustavat asetettu tarkkuutta. Kun mitattu arvo määrittää, onko ennustettu arvo, keskihajonta mittaukset on tärkeä rooli on ratkaiseva: Jos mitattu ja ennustetut arvot kaukana keskiarvo (ja keskihajonta-arvot ja vertaa), niin että toimenpide ja ennustettujen arvojen ristiriitaisia. On helppo ymmärtää, koska arvo on kuulu arvoalueen, ennustusarvo voi olla kohtuullisen päätellä oikein. Yksinkertainen laskentakaava keskihajonta Vakio 1 todellista merkitystä: Oletetaan, että on joukko arvoja x1, ..., xn (kaikki ovat reaalilukuja), joiden keskiarvo: \ Overline {x} = \ frac {1} {N} \ sum_ {i = 1} ^ N x_i Keskihajonta-arvot tähän ryhmään: \ Sigma = \ sqrt {\ frac {1} {N} \ sum_ {i = 1} ^ N (x_i - \ overline {x}) ^ 2} Nopeampi tapa ratkaista on: \ Sigma = \ sqrt {{\ sum_ {i = 1} ^ N x_i ^ 2} \ over {N} \ left ({\ sum_ {i = 1} ^ N {x_i} \ over {N}} \ right) ^ 2 \} = \ sqrt {\ frac {N \ sum_ {i = 1} ^ N {{x_i} ^ 2} - \ left (\ sum_ {i = 1} ^ N {x_i} \ right) ^ 2} {N ^ 2}} otettiin samojen arvojen numeerisen yhdistelmän x1, ..., xn, usein määrittää näytteen keskihajonta: s = \ sqrt {\ frac {1} {n-1} \ sum_ {i = 1} ^ n (x_i - \ overline {x}) ^ 2} Huom: tilastollinen ero otokseen enimmäkseen jaettu vapausasteet (n-1), joka on tarkoitettu vapaus valita otokseen. Valittiin vain yksi, se ei enää koskaan ole vapautta, joten vapausasteita on n-1. 2 keskihajonta keskihajonta satunnaismuuttujia määritellä satunnaismuuttuja X on: \ Sigma = \ sqrt {\ operatorname {E} ((X \ operatorname {E} X) ^ 2)} = \ sqrt {\ operatorname {E} (x ^ 2) - (\ operatorname {E} (X) ) ^ 2} On huomattava, etteivät kaikki satunnaisia muuttujia on keskihajonta, koska jotkin odotusarvo satunnaismuuttuja ei ole olemassa. Keskihajonta ominaisuudet [1] Huomautus: Nämä ominaisuudet koskevat sekä puolueellinen ja puolueeton kaavaa. 1. Jos tulokset yhdistetään keskenään (tai miinus) ja jakelun jatkuvaa, keskihajonta ennallaan. Osoittamaan tätä ominaisuutta tarkoittaa testiesimerkin. Tämä tentti keskimääräinen pistemäärä 70 pistettä. Professori päätti antaa kullekin opiskelijalle 10 pistettä, mikä tekee keskimäärin 70-80. Raaka-testin tulokset, keskihajonta on 15 pistettä, jossa jokainen opiskelija tuo keskihajonta on vielä 10 pistettä, kun 15 minuuttia. Koska keskimäärin liikkuu pisteet, mutta suhteellinen asema kysymyksen tulokset ja tulokset pysyvät samoina, vain siirrä sijainnin yleinen jakautuminen sen (lisäämällä tai vähentämällä jatkuvasti), joten ei muuta muotoaan ( kuvio 1). Yleensä tämä on yksinkertainen algebrallinen lauseke edustaa perustamista. Kukin pisteet plus vakio, keskihajonta tulokset set on: \ sigma_ {uusi} = \ sqrt {\ frac {\ sum (x C \ mu_ {uusi}) ^ 2} {N}} Mukaan sekä useita kiinteistöjä, μnew = μold C. Näin ollen, \ sigma_ {uusi} = \ sqrt {\ frac {\ summa [(X C) - (\ mu_ {vanha} C)] ^ 2} {N}} Jälkeen uudelleenjärjestely heitä, saada: \ sigma_ {uusi} = \ sqrt {\ frac {\ sum (X \ mu_ {old} CC) ^ 2} {N}} = \ sqrt {\ frac {\ summa (X \ mu_ {vanha}) ^ 2} {N}} Jos olet vähentämällä vakio, niin yllä todiste koskee. Kuva: keskihajonta ominaisuus 1.jpg 2. Jos tulokset kerrotaan jokainen (tai jakamalla) vakio, niin keskihajonta kerrotaan (tai jaettuna), joka jatkuvasti. 3. Laskettu keskihajonta keskiarvon keskihajonta kuin jakelun mukaisesti lasketut muita pistettä pieneksi. Esimerkki: laskeminen keskihajonta Tämä osoittaa, miten laskea erotus standardin numerosarja. Kuten arvoa lapsiryhmän ikäisille {5, 6, 8, 9}: Ensimmäinen askel laskea keskiarvon \ Overline {x} Luokka :[Talous][Tilasto] |
| Käyttäjä Arvostelu |
|
Ei vielä kommentteja |
