Współczynnik korelacji rangowej badanie zależności między preferencjami

Podobne dokumenty
ELEMENTY TEORII MOŻLIWOŚCI

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Podprzestrzenie macierzowe

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Matematyka dyskretna. 10. Funkcja Möbiusa

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Wnioskowanie statystyczne dla korelacji i regresji.

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

5. OPTYMALIZACJA NIELINIOWA

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

3. OPTYMALIZACJA NIELINIOWA

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Prawdopodobieństwo i statystyka r.

Indukcja matematyczna

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

1. Relacja preferencji

Liniowe relacje między zmiennymi

Wykład 11. a, b G a b = b a,

Statystyka. Katarzyna Chudy Laskowska

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

AKADEMIA MORSKA W SZCZECINIE

JEDNOWYMIAROWA ZMIENNA LOSOWA

8.1 Zbieżność ciągu i szeregu funkcyjnego

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

System finansowy gospodarki

Planowanie eksperymentu pomiarowego I

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

O testowaniu jednorodności współczynników zmienności

Zasady zaliczania kursu z matematyki dyskretnej I-MDA-DA na studiach dziennych w sem. zimowym roku akad. 2011/12

Relacyjny model danych. Relacyjny model danych

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

PDF created with FinePrint pdffactory Pro trial version WIII/1

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:

FINANSE II. Model jednowskaźnikowy Sharpe a.

IV. ZMIENNE LOSOWE DWUWYMIAROWE

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Modele wartości pieniądza w czasie

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Matematyczny opis ryzyka

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć

Probabilistyka i statystyka. Korelacja

Materiały do wykładu 7 ze Statystyki

Podstawy opracowania wyników pomiarowych, analiza błędów

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY

ZAGADNIENIE TRANSPORTOWE

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

ANALIZA KORELACJI DEFINICJA ZALEŻNOŚCI KORELACYJNEJ, RODZAJE ZALEŻNOŚCI KORELACYJNYCH KLASYFIKACJA METOD ANALIZY ZALEŻNOŚCI STATYSTYCZNYCH

Regresja REGRESJA

Badania Maszyn CNC. Nr 2

Statystyka Matematyczna Anna Janicka

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Elementy arytmetyki komputerowej

MIARY NIEZAWODNOŚ CIOWEJ I STRUKTURALNEJ ISTOTNOŚ CI ELEMENTÓW

STATYSTYKA OPISOWA WYKŁAD 3,4

Modelowanie i Analiza Danych Przestrzennych

Prawdopodobieństwo i statystyka r.

Portfel złożony z wielu papierów wartościowych

O liczbach naturalnych, których suma równa się iloczynowi

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Miary statystyczne. Katowice 2014

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Statystyka Inżynierska

Lista 6. Kamil Matuszewski 26 listopada 2015

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

A B - zawieranie słabe

TMM-2 Analiza kinematyki manipulatora metodą analityczną

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Fizyka, technologia oraz modelowanie wzrostu kryształów

Analiza Matematyczna Ćwiczenia. J. de Lucas

. Wtedy E V U jest równa

Pomiary parametrów napięć i prądów przemiennych

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

Prawdopodobieństwo i statystyka r.

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)

Transkrypt:

Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl

Pla referatu: Klasycze metody badaa korelacj ragowej Kłopoty z daym Itucjostycze zbory rozmyte Modelowae systemów preferecj Uogóloy współczyk korelacj ragowej Wosk Keruk dalszych badań Lteratura

Klasycze metody badaa korelacj ragowej Przykład 1 Chcemy zbadać czy steje zależość mędzy preferecjam dwóch osób odośe lteratury współczesej. W tym celu poproslśmy je o uszeregowae astępujących azwsk Paulo Coelho J.M. Coetzee Joste Gaarder Hele Feldg Imre Kertesz Terry Prachett Joae Rowlg Wsława Szymborska w porządku od ajbardzej ceoego do ajmej ceoego autora.

Klasycze metody badaa korelacj ragowej Nech X = { 1 K } ozacza zbór obektów które będą uporządkowae według systemu preferecj A oraz B. Mamy węc do czyea ze zborem par uporządkowaych A1 B1 K A B gdze A B ozaczają odpowedo rag przypsae obektow zgode z systemem preferecj A oraz B. Do ocey stopa korelacj mędzy systemem preferecj A oraz B moża posłużyć sę współczykem korelacj ragowej Spearmaa daym wzorem 6 r S = d 2 1 2 1 gdze d A B ozacza różcę rag przypsaych obektow. = 1 =

Klasycze metody badaa korelacj ragowej Przykład 1 cąg dalszy Preferecje Jasa: Preferecje Małgos: 1. Coelho 1. Prachett 2. Gaarder 2. Rowlg 3. Szymborska 3. Feldg 4. Kertesz 5. Coetzee r S = 09048 4. Coetzee 5. Kertesz 6. Rowlg 6. Szymborska 7. Prachett 7. Coelho 8. Feldg 8. Gaarder

Kłopoty z daym Przykład 2 Preferecje Stasa: 1. Coelho 2. Gaarder 3. Szymborska 4. Kertesz 5. Coetzee 6. Rowlg 7. Prachett Feldg=? Preferecje Margaret: 1. Coelho 2. Coetzee Kertesz 3. Gaarder 4. Rowlg 5. Prachett 6. Feldg Szymborska=?

Itucjostycze zbory rozmyte Zborem rozmytym C w przestrze X azywamy zbór par uporządkowaych C { µ X } = : C gdze µ C : X [01] jest fukcją przyależośc przypsującą każdemu elemetow stopeń µ C jego przyależośc do zboru C. Zadeh 1965

Itucjostycze zbory rozmyte Itucjostyczym zborem rozmytym C w przestrze X azywamy zbór trójek uporządkowaych gdze µ ν : X [01] są fukcjam spełającym zależość C C Dla każdego elemetu lczba µ C wskazuje stopeń przyależośc tego elemetu do zboru C atomast lczba ν C wyraża stopeń eprzyależośc daego elemetu do zboru C. Ataassov 1986 C { µ ν X } = : C C µ + ν 1 C C X

Itucjostycze zbory rozmyte Welkość π C = 1 µ C νc azywaa tucjostyczym deksem tucjostyczego zboru rozmytego C wyraża stopeń eokreśloośc elemetu w sese jego przyależośc bądź eprzyależośc do tego zboru.

Modelowae systemów preferecj Systemy preferecj A B utożsamać będzemy z tucjostyczym zboram rozmytym A { µ ν X } B = { µ ν : X } = : A A oraz B B przy czym wartośc µ A oraz ν A wskazują w jakm stopu elemet jest odpowedo ajbardzej preferowaym oraz ajmej preferowaym elemetem ze zboru X zgode z systemem preferecj A podobe wartośc µ B oraz ν B wskazują w jakm stopu elemet jest odpowedo ajbardzej preferowaym oraz ajmej preferowaym elemetem ze zboru X zgode z systemem preferecj B.

Modelowae systemów preferecj Nech µ ν A A = = wa 1 ba 1 gdze w A ozacza lczbę elemetów spośród 1 K 1 + 1 K zpewoścą gorszych od elemetu atomast b A jest lczbą elemetów spośród 1 K 1 + 1 K z pewoścą lepszych od zgode z systemem preferecj A.

Modelowae systemów preferecj Podobe wb µ B = 1 bb ν B = 1 gdze w B ozacza lczbę elemetów spośród 1 K 1 + 1 K z pewoścą gorszych od elemetu atomast b B jest lczbą elemetów spośród 1 K 1 + 1 K z pewoścą lepszych od zgode z systemem preferecj B.

Modelowae systemów preferecj Uwaga Jeśl π A = 0 dla każdego X to fakt te ozacza że wszystkm elemetom ależącym do zboru X zostały adae rag według systemu preferecj A każdy z ch otrzymał ą ragę. Jeśl steje tak elemet X dla którego zachodz π A > 0 to ozacza że w porządku wygeerowaym zgode z systemem preferecj A występują elemety z ragam zwązaym lub elemety którym e adao rag. Waruek π A = 1 zachodz wtedy tylko wtedy gdy elemet e jest w systeme preferecj A porówywaly z żadym spośród elemetów 1 K 1 + 1 K

Uogóloy współczyk korelacj ragowej Netrudo zauważyć że współczyk korelacj ragowej Spearmaa moża zapsać w postac r 6 S = d 2 1 2 1 = 1 r S = 1 γ d A B gdze d A B ozacza pewą marę podobeństwa odległośc mędzy systemam preferecj A B atomast γ jest stałą zależą od lczośc próby.

Uogóloy współczyk korelacj ragowej Nech przy czym gdze { } { } 2 2 2 2 m ma B A B A B A B A D D ν ν µ µ ν ν µ µ α α = = + 1 2 gdy 1 3 4 2 gdy 4 2 2 + = + α = = + α = k k [ ] = α + α α + α + = S D D B A R 1 1 1 1 1

Uogóloy współczyk korelacj ragowej Lemat 1 Dla dowolych tucjostyczych zborów rozmytych A oraz B w przestrze X zachodz: R A B R B A S = S oraz R S A B 1

Uogóloy współczyk korelacj ragowej Lemat 2 Jeśl wszystke elemety zboru X = { 1 K } zostały jedozacze uporządkowae zgode z systemem preferecj A oraz B wówczas uogóloy współczyk korelacj ragowej R S jest rówoważy klasyczemu współczykow Spearmaa r S

Uogóloy współczyk korelacj ragowej Lemat 3 Jeśl każdemu elemetow ze zboru X = { 1 K } została adaa raga zgode z systemem preferecj A lub B wówczas R S A B = 1 wtedy tylko wtedy gdy systemy preferecj A B są w peł zgode R S A B = 1 wtedy tylko wtedy gdy systemy preferecj A B są w całkowce przecwe.

Uogóloy współczyk korelacj ragowej Lemat 4 Jeśl przyajmej jede z systemów preferecj A lub B jest całkowce eokreśloy tz. żademu z elemetów zboru X = K } e została adaa raga wówczas A B = 0 { 1 R S

Uogóloy współczyk korelacj ragowej Przykład 2 cąg dalszy Itucjostyczy zbór rozmyty odpowadający preferecjom lterackm Stasa ma postać A = 6 Coelho 7 3 Kertesz 7 0 3 7 2 Coetzee 7 4 7 6 Prachett0 7 5 1 Gaarder 7 7 1 5 Rowlg 7 7 Feldg00 4 Szymborska 7 2 7

Uogóloy współczyk korelacj ragowej Itucjostyczy zbór rozmyty odpowadający preferecjom lterackm Margaret ma postać B = 6 Coelho 0 7 4 1 Kertesz 7 7 4 1 Coetzee 7 7 1 5 Prachett 7 7 3 3 Gaarder 7 7 2 4 Rowlg 7 7 6 Feldg0 7 Szymborska00 Po podstaweu do wzoru otrzymujemy R S = 065476

Wosk Zapropooway współczyk korelacj ragowej pozwala efektywe wyzaczać stopeń keruek zależośc mędzy systemam preferecj róweż w przypadku braku ragowaa wszystkch badaych obektów. Współczyk te jest aturalym uogóleem klasyczego współczyka korelacj ragowej Spearmaa. Zapropooway współczyk korelacj ragowej ma teresujące własośc może być stosoway do aalzy korelacj mędzy tucjostyczym zboram rozmytym także poza kotekstem badaa zwązku mędzy preferecjam.

Keruk dalszych badań Uogólee współczyka korelacj Kedalla. Kostrukcja testów stotośc dla uogóloych współczyków korelacj ragowej Spearmaa Kedalla. Kostrukcja współczyków korelacj ragowej wykorzystujących formację a pror.

Lteratura Ataassov K. 1986 Itutostc fuzzy sets Fuzzy Sets ad Systems 20 87 96 Ataassov K. 1999 Itutostc Fuzzy Sets: Theory ad Applcatos Physca-Verlag Gbbos J.D. Chakrabort S. 2003 Noparametrc Statstcal Iferece Marcel Dekker Ic. Grzegorzewsk P. 2003 Betwee tutostc fuzzy sets ad/or terval-valued fuzzy sets Based o the Hausdorff metrc Fuzzy Sets ad Systems w druku Grzegorzewsk P. 2003 The Hammg dstace betwee tutostc fuzzy sets I: Proceedgs of the 10th IFSA World Cogress IFSA 2003 Istabul Turkey Jue 29 July 2 2003 pp. 35-38 Zadeh L.A. 1965 Fuzzy sets Iform. ad Cotrol 8 338 353