Primijenjena statistika
  • Priručnik primijenjene statistike u R-u
  • Predgovor
  • 1. Uvod u R
    • 1.1. R objekti
    • 1.2. Manipulacije i agregacije podataka
    • 1.3. Import i eksport podataka
    • 1.4. Korisničke funkcije
  • 2. Tipovi i nivoi mjerenja statističkih obilježja
  • 3. Deskriptivna statistika i grafičko predstavljanje podataka
    • 3.1. Mjere centralne tendencije
    • 3.2. Mjere varijabiliteta
    • 3.3. Mjere oblika rasporeda
    • 3.4. Grafičko predstavljanje podataka
  • 4. Distribucije vjerovatnoća slučajne promjenljive
    • 4.1. Binomni raspored
    • 4.2. Normalni raspored
    • 4.3. Studentov t raspored
    • 4.4. Fišerov F raspored i hi-kvadrat raspored
  • 5. Uzorak i uzoračke ocjene
  • 6. Statističko testiranje hipoteza
    • 6.1. t-test na osnovu jednog uzorka
    • 6.2. t-test na osnovu dva uzorka
    • 6.3. Test proporcija
    • 6.4. Analiza varijanse – ANOVA (klasična ANOVA i Welch ANOVA)
    • 6.5. Wilcoxonov test ranga na osnovu jednog uzorka
    • 6.6. Wilcoxonov test na osnovu dva uzorka
    • 6.7. Kruskal-Wallisov test
    • 6.8. Testovi normalnosti
      • 6.8.1. Jarque-Bera test normalnosti
      • 6.8.2. Pearsonov hi-kvadrat test normalnosti
    • 6.9. Testovi homogenosti varijanse
      • 6.9.1. F test jednakosti varijansi
      • 6.9.2. Bartlettov test homogenosti varijansi
      • 6.9.3. Fligner-Killeenov test homogenosti varijansi
  • 7. Linearna regresija
    • 7.1. Ocjena modela linearne regresije
    • 7.2. Dijagnostika ocijenjenog modela linearne regresije
  • 8. Binomna logistička regresija
  • 9. Literatura
  • Biografija
Powered by GitBook
On this page

Was this helpful?

  1. 3. Deskriptivna statistika i grafičko predstavljanje podataka

3.3. Mjere oblika rasporeda

U mjere oblika rasporeda spadaju mjera asimetričnosti i mjera spljoštenosti. Kao najčesće korišćeni pokazatelji ovih mjera koriste se: količnik trećeg momenta i standardne devijacije na treći stepen (mjera asimetričnosti, engleski skewness) i količnik četvrtog momenta i varijanse na kvadrat (mjera spljoštenosti, engleski kurtosis). U teoriji, kao i softverskoj primjeni, postoje različiti prijedlozi za njihovo računanje, tako da vrijednosti ovih parametara računate u dva različita softverska paketa mogu da budu različite.

Formulu za računanje mjere asimetričnosti, iz prethodno navedene definicije, možemo zapisati na sljedeći način:

α3=∑i=1n(X−Xˉ)3s3\alpha_{3} = \frac{\sum_{i=1}^{n}{(X - \bar{X}})^{3}}{s^{3}}α3​=s3∑i=1n​(X−Xˉ)3​

dok mjeru spljoštenosti računamo kao:

α4=∑i=1n(X−Xˉ)4s4\alpha_{4} = \frac{\sum_{i=1}^{n}{(X - \bar{X}})^{4}}{s^{4}}α4​=s4∑i=1n​(X−Xˉ)4​

Primjer 22: Izračunati koeficijent asimetričnosti i spljoštenosti za obilježje iz Primjera 16. Kako u osnovnoj konfiguraciji R-a ne postoje već definisane funkcije za računanje ovih mjera, prvo ćemo definisati funkciju, a zatim istu primijeniti na definisano obilježje iznos kredita.

> iznos.kredita <- c(10e3, 8.5e3, 2.5e3, 12.7e3, 5.6e3)
> skewness <- function(x) {
+ m3 <- sum((x - mean(x))^3) / length(x)
+ s3 <- sqrt(sum((x - mean(x))^2 / length(x)))^3
+ return(m3/s3)
+ }
> skewness(iznos.kredita)
[1] -0.1916235
> 
> kurtosis <- function(x) {
+ m4 <- sum((x - mean(x))^4) / length(x)
+ s4 <- sum((x - mean(x))^2 / length(x))^2
+ return(m4/s4)
+ }
> kurtosis(iznos.kredita)
[1] 1.833887

Previous3.2. Mjere varijabilitetaNext3.4. Grafičko predstavljanje podataka

Last updated 4 years ago

Was this helpful?