Professional Documents
Culture Documents
www.vpts.edu.rs
Seminarski rad :
Kovarijaciona i korelaciona matrica
Studenti :
Profesor:
Nikola Dragic др. Милован
Миливојевић
Predrag Vujadinovic
Nenad Stamenic
Sasa Lojpur
¿ E[ny ]−E[n] E[ y ]
¿ E[ny ]−μn μ y
∀ μx ∆ μ y =E [n]∆ E[ y ]
Ако погледамо једну променљиву, рецимо „y“, cov (y, y), израз се
може написати на следећи начин:
Var ( y )=E ¿
Var ( y )=s2
Za 2 varijable :
n
∑ ( ni−x́)( y i− ý ) ------------------- B
cov ( n , y )= i=1
n−1
matematicki
x 11 ⋯ x1 p
[
X= ⋮ ⋱
xn 1 ⋯
⋮
x np ]
Редослед од
X =nxp
S 21 S 12 S 13 S1 p
[ ⋮
S 21 S 22 S 23
S= S 31 S 32 S 23
S p1 Sp2 Sp3
⋯ S2 p
S3 p
⋱ ⋮
⋯ S 2p
]
Где је :
n
1
S2j= ( n )∑ ( xij−x́ j )2 : варијанса j¿ променљиве
i=1
n
1
S jk= ( n ) ∑ ( xij−x́ j ) ( xik−x́k ): коваријанса b / ρ и j¿∧ jikпроменљиве.
i=1
n
1
x́ j= ( n ) ∑ xij: средња вредност променљиве j
i=1
1
S= x'c x c
n
⋱
x n 1− x́ 1 x n 2−x́ 2 ⋯
x 2 p− x́ p
⋮
x np−x́ p ]
Овде је „Xc“ центрирана матрица која има одвојена средства у
колони одузета од сваког елемента. Користећи то као централну
компоненту, матрица коваријанце „S“ је производ
транспоновања „Xc“ и самог „Xc“, која се затим дели бројем
ставки или редова („n“) у подацима матрица.
[
r 12 r 22
R= r 13 r 23
⋮
r p1 r p2
r 32
r 33
r p3
⋯ r2 p
r3 p
⋱ ⋮
⋯ r
]
n
S ∑ ( x ij −x́ j ) ( x ik −x́ k )
∀ r jk = jk = i=1
S j Sk n n
√∑ (
i=1
x ij− x́ j )
2
√∑ (
i=1
2
x ik − x́ k )
из матрице података
1
R= x's x s
n
( x 11 − x́1 ) /S1 ( x 12− x́ 2 ) /S2 ( x1 p − x́ p ) /S p
[ x −x́ /S
X s= ( 21 1) 1 ( 2 2 2) 2
x − x́ / S
⋮
x
x −x́ /S
−
( n1 1) 1 ( n2 2) 2x́ / S
⋱
⋯ x
⋯
⋮
( x2 p −x́ p ) /S p
( n p p ) /S p
−x́
]
„Xs“ у горњој дефиницији назива се скалирана или
стандардизована матрица.
Овде видимо да се матрица корелације може дефинисати као
продукт транспоновања скалиране матрице са собом, подељен
са ’n’.
Поновним прегледом дефиниције стандардне девијације одозго,
видимо да је сваки елемент (сличан горњој матрици
коваријанце) стандардизоване матрице „Xs“ подељен
стандардном девијацијом одговарајуће колоне. Ово појачава
наше разумевање матрице корелације која је стандардизовани
или скалирани дериват матрице коваријанце.
Ogranicenja
Pronaci problem ili uzrok, a zatim pronaci slucaj koji ce ga ilustrovati ili
prouciti taj slucaj.
Odrediti da li treba posmatrati jedan ili vise slucajeva.
Definisati granice slucaja.
Proucavanje vise slucaja istovremeno znaci da ce istrazivac uci u manju
dubinu nego pojedinacno.