εργασία στατιστική 2 εργαστηριο
-
Upload
aggelos-ser -
Category
Business
-
view
55 -
download
5
Transcript of εργασία στατιστική 2 εργαστηριο
ΑΤΕΙ Πάτρας
Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων
Εργασία
Ειδικά Θέματα Στατιστικής Εργαστήριο
Χειμερινό εξάμηνο
Καθηγητής: Χρήστος Κατρής
7 Ιανουαρίου 2011
Ονοματεπώνυμο: Ευσταθόπουλος Άγγελος
ΑΜ: 649
Ερώτημα 1 ο
Πιθανότητα η απόδοση της μετοχής Μ1 ,τα δεδομένα της οποίας για 120 ημέρες ακολουθούν κανονική κατανομή ,να είναι μικρότερη ή ίση με 0 είναι CDF.Normal(0,2.5,1.2)= P( x<=0)=0,02=2%
Για το ομόλογο Ο1 η αντίστοιχη πιθανότητα CDF.Normal(0,1,0.6)= P(x<=0)=0,05=5%
Ερώτημα 2 ο
Ελέγχουμε κανονικότητα σε επίπεδο σημαντικότητας 5% για τα δεδομένα του δείγματος της μετοχής Μ1 και του ομολόγου Ο1,που αποτελούν το αμοιβαίο κεφάλαιο Α1.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
M1 ,054 120 ,200* ,989 120 ,489
O1 ,043 120 ,200* ,991 120 ,600
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Ο έλεγχος Kolmogorov-Smirnov βγάζει και για τις 2 μεταβλητές στη σημαντικότητα Sig. P-value=0,2 >0,05 (α= επίπεδο σημαντικότητας), οπότε ακολουθούν κανονική κατανομή και οι 2. Και ο Shapiro-Wilk βγάζει sig p-value μεγαλύτερο από α=0,05.
Ερώτημα 3 ο
Βρίσκουμε διάστημα εμπιστοσύνης για τη μέση τιμή της απόδοσης της μετοχής Μ2
Descriptives
Statistic Std. Error
M2 Mean 2,9989 ,10557
90% Confidence Interval for
Mean
Lower Bound 2,8239
Upper Bound 3,1739
5% Trimmed Mean 2,9885
Median 3,0581
Variance 1,337
Std. Deviation 1,15642
Minimum -,28
Maximum 5,97
Range 6,25
Interquartile Range 1,55
Skewness ,116 ,221
Kurtosis ,280 ,438
Βλέπουμε ότι η μέση τιμή της απόδοσης της μετοχής Μ2 στο δείγμα των 120 ημερών είναι 2,9 ,αλλά κατά 90% εκτιμάμε ότι η μέση απόδοση της Μ2 γενικά (και όχι μόνο μέσα στο δείγμα) βρίσκεται ανάμεσα σε 2,8 κατώτατο και 3,1 ανώτατο όριο.
Για τη μέση τιμή του ομολόγου Ο2 βλέπουμε ανάλογο διάστημα εμπιστοσύνης κατά 95% .
Descriptives
Statistic Std. Error
O2 Mean ,8329 ,04350
95% Confidence Interval for
Mean
Lower Bound ,7467
Upper Bound ,9190
5% Trimmed Mean ,8257
Median ,8621
Variance ,227
Std. Deviation ,47651
Minimum -,24
Maximum 2,09
Range 2,34
Interquartile Range ,60
Skewness ,157 ,221
Kurtosis -,032 ,438
Βλέπουμε πάλι της μέση τιμή του δείγματος των αποδόσεων του ομολόγου Ο2 στο 0,8, αλλά εκτιμάμε με σιγουριά 95% ότι η μέση τιμή των αποδόσεών του γενικά για όλες τις μέρες και όχι μόνο στις 120 τελευταίες κινείται από 0,7 έως 0,9.
Ερώτημα 4 ο
Ελέγχουμε την υπόθεση αν οι μέσες τιμές των αποδόσεων των μετοχών Μ1 και Μ2(που θεωρούνται ανεξάρτητες) διαφέρουν στατιστικά σημαντικά μεταξύ τους σε επίπεδο σημαντικότητας α=5%.
Group Statistics
Groupvar N Mean Std. Deviation Std. Error Mean
Mdimension1
1,00 120 2,3489 1,21963 ,11134
2,00 120 2,9989 1,15642 ,10557
Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower Upper
M Equal
variances
assumed
,882 ,349 -4,237 238 ,000 -,65003 ,15343 -,95228 -,34778
Equal
variances not
assumed
-4,237 237,329 ,000 -,65003 ,15343 -,95228 -,34777
Οι Διακυμάνσεις του Μ1 και Μ2 είναι διαφορετικές οπότε πηγαίνουμε στη δεύτερη
σειρά του πίνακα. Στο Sig βλέπουμε p-value 0<0,05 ,οπότε οι μέσοι των 2
μεταβλητών στο δείγμα δεν είναι ίσοι και διαφέρουν στατιστικά σημαντικά
μεταξύ τους κατά 0,65. Κατά 95% η διαφορά των μέσων των αποδόσεων των Μ1
και Μ2 όλων των ημερών και πέρα του δείγματος 120 ημερών κινείται ανάμεσα 0,34
κατώτερο όριο και το 0,95 ανώτατο.
Πραγματοποιούμε έλεγχο σε επίπεδο σημαντικότητας α=5% ,αν η απόδοση του
ομολόγου Ο1 είναι στατιστικά σημαντικά μικρότερη της απόδοσης του Ο2.
Τα Ο1 και Ο2 θεωρούνται εξαρτημένα.
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1 O1 1,0566 120 ,59058 ,05391
O2 ,8329 120 ,47651 ,04350
Paired Samples Correlations
N Correlation Sig.
Pair 1 O1 & O2 120 -,106 ,251
Paired Samples Test
Paired Differences
t df
Sig. (2-
tailed)Mean
Std.
Deviation
Std. Error
Mean
95% Confidence Interval of the
Difference
Lower Upper
Pair1 O1 -O2 ,22369 ,79704 ,07276 ,07962 ,36776 3,074 119 ,003
Στον 2ο πίνακα βλέπουμε στο sig p-value 0,251 >0,05 οπότε οι μεταβλητές δεν έχουν
πρακτικά συσχέτιση (ασυσχέτιστες) με συντελεστή -0,106,οπότε δεν έχει νόημα ο
παρακάτω έλεγχος υποθέσεων .
Ερώτημα 5 ο
Έχουμε δημιουργήσει 2 νέες μεταβλητές Α1(0,65*Μ1+0,35*Ο1) και Α2(0,65*Μ2+0,35*Ο2) ,της συνολικής απόδοσης των δυο αμοιβαίων κεφαλαίων , και κάνουμε έλεγχο συσχέτισης μεταξύ τους.
Descriptive Statistics
Mean Std. Deviation N
A1 1,8966 ,85958 120
A2 2,2408 ,79070 120
Correlations
A1 A2
A1 Pearson Correlation 1 -,099
Sig. (2-tailed) ,281
N 120 120
A2 Pearson Correlation -,099 1
Sig. (2-tailed) ,281
N 120 120
Βλέπουμε πολύ μικρή αρνητική συσχέτιση με συντελεστή Pearson 9,9%,οπότε οι μεταβλητές είναι ασυσχέτιστες .
Δημιουργούμε παρακάτω δυο μοντέλα απλής γραμμικής παλινδρόμησης.
1) Μεταξύ Α1(εξαρτημένη) και Μ1(ανεξάρτητη)
Variables Entered/Removedb
Model Variables
Entered
Variables
Removed Method
dim
ensi
on0
1 M1a . Enter
a. All requested variables entered.
b. Dependent Variable: A1
Model Summaryb
Model
R R Square
Adjusted R
Square
Std. Error of the
Estimate
dim
ensi
on0
1 ,972a ,945 ,944 ,20310
a. Predictors: (Constant), M1
b. Dependent Variable: A1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 83,059 1 83,059 2013,554 ,000a
Residual 4,867 118 ,041
Total 87,926 119
a. Predictors: (Constant), M1
b. Dependent Variable: A1
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) ,288 ,040 7,124 ,000
M1 ,685 ,015 ,972 44,873 ,000
a. Dependent Variable: A1
Sig p-value=0<a=0,05 , οπότε β συντελεστης του χ,διαφορος του 0.
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value ,0334 3,9289 1,8966 ,83545 120
Residual -,65494 ,49905 ,00000 ,20225 120
Std. Predicted Value -2,230 2,433 ,000 1,000 120
Std. Residual -3,225 2,457 ,000 ,996 120
a. Dependent Variable: A1
Βλέπουμε μια ισχυρή θετική γραμμική συσχέτιση με R(pearson)=0,972.
Συνάρτηση y=0,288+0,685x R2=0,945.To 94,5% της μεταβολής του y(A1) εξηγείται από την ευθεία παλινδρόμησης.
2) Μεταξύ Α2(εξαρτημένη) και Μ2(ανεξάρτητη)
Variables Entered/Removedb
Model Variables
Entered
Variables
Removed Method
dim
ensi
on0
1 M2a . Enter
a. All requested variables entered.
b. Dependent Variable: A2
Model Summaryb
Model
R R Square
Adjusted R
Square
Std. Error of the
Estimate
dim
ensi
on0
1 ,978a ,956 ,956 ,16608
a. Predictors: (Constant), M2
b. Dependent Variable: A2
ANOVAb
ModelSum of Squares df Mean Square F Sig.
1 Regression 71,144 1 71,144 2579,252 ,000a
Residual 3,255 118 ,028
Total 74,399 119
a. Predictors: (Constant), M2
b. Dependent Variable: A2
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) ,236 ,042 5,572 ,000
M2 ,669 ,013 ,978 50,786 ,000
a. Dependent Variable: A2
Sig p-value=0<a=0,05 , οπότε β συντελεστης του χ,διαφορος του 0.
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value ,0493 4,2297 2,2408 ,77321 120
Residual -,38482 ,44266 ,00000 ,16538 120
Std. Predicted Value -2,834 2,572 ,000 1,000 120
ANOVAb
ModelSum of Squares df Mean Square F Sig.
1 Regression 71,144 1 71,144 2579,252 ,000a
Residual 3,255 118 ,028
Total 74,399 119
a. Predictors: (Constant), M2
Std. Residual -2,317 2,665 ,000 ,996 120
a. Dependent Variable: A2
Βλέπουμε μια ισχυρή θετική γραμμική συσχέτιση με R(pearson)=0,978.
Συνάρτηση y=0,236+0,669x R2=0,956.To 95,6% της μεταβολής του y(A2) εξηγείται από την ευθεία παλινδρόμησης.
Επίσης κάνουμε έλεγχο κανονικότητας
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
A1 ,063 120 ,200* ,984 120 ,173
A2 ,042 120 ,200* ,995 120 ,944
Unstandardized Residual ,067 120 ,200* ,990 120 ,543
Standardized Residual ,067 120 ,200* ,990 120 ,543
Unstandardized Predicted
Value
,061 120 ,200* ,990 120 ,569
Standardized Predicted
Value
,054 120 ,200* ,989 120 ,489
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Και είναι ακολουθούν όλες οι μεταβλητές κανονική κατανομή σε α=5% ,με όλα τα p-values μεγαλύτερα από 0,05.
Στα προηγούμενα διαγράμματα Μη τυποποιημένων καταλοίπων με το Μ1 και Μ2 αντίστοιχα, δεν βλέπουμε κάποιο «άπλωμα» των καταλοιπων με την αύξηση των μεταβλητών.
Οπότε τα δύο μοντέλα γραμμικής παλινδρόμησης είναι κατάλληλα για συμπερασματολογία.