Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revisionLast revisionBoth sides next revision | ||
수학:오차_분석 [2018/07/10 14:16] – admin | 수학:오차_분석 [2018/11/09 10:15] – [예제] admin | ||
---|---|---|---|
Line 26: | Line 26: | ||
로 정의하면 계수 $a$와 $b$는 | 로 정의하면 계수 $a$와 $b$는 | ||
$$a = \overline{Y} - b \overline{X}$$ | $$a = \overline{Y} - b \overline{X}$$ | ||
- | $$b = \frac{Cov(X, | + | $$b = \frac{Cov(X, |
로 결정된다. 나아가 | 로 결정된다. 나아가 | ||
$$SS_x \equiv \sum_{i=1}^n (X_i-\overline{X})^2$$ | $$SS_x \equiv \sum_{i=1}^n (X_i-\overline{X})^2$$ | ||
Line 33: | Line 33: | ||
라고 놓으면 기울기 $b$의 표준오차는 | 라고 놓으면 기울기 $b$의 표준오차는 | ||
$$s_b = \sqrt{\frac{SS_y/ | $$s_b = \sqrt{\frac{SS_y/ | ||
- | $a$의 표준오차는 | + | 그리고 |
$$s_a = s_{\small Y \cdot X} \sqrt{\frac{1}{n} + \frac{\overline{X}^2}{SS_x}}$$ | $$s_a = s_{\small Y \cdot X} \sqrt{\frac{1}{n} + \frac{\overline{X}^2}{SS_x}}$$ | ||
이다. | 이다. | ||
+ | 좀더 정밀하게는 $t$ 분포를 사용해서, | ||
+ | |||
+ | =====예제===== | ||
+ | |||
+ | | $i$ ^ $X_i$ ^ $Y_i$ ^ | ||
+ | ^ 1 | 4 | 9 | | ||
+ | ^ 2 | 8 | 20 | | ||
+ | ^ 3 | 9 | 22 | | ||
+ | ^ 4 | 8 | 15 | | ||
+ | ^ 5 | 8 | 17 | | ||
+ | ^ 6 | 12 | 30 | | ||
+ | ^ 7 | 6 | 18 | | ||
+ | ^ 8 | 10 | 25 | | ||
+ | ^ 9 | 6 | 10 | | ||
+ | ^ 10| 9 | 20 | | ||
+ | |||
+ | 계산해보면 $a = -2.270$, $b = 2.609$이며 $SS_x = \sum (X_i - \overline{X})^2 = 46$, 평균 제곱근 오차는 $s_{\small Y \cdot X} = 2.631$이다. $b$의 표준오차는 $\sigma_b = s_{\small Y \cdot X}/ | ||
+ | |||
+ | 이 예에서 자유도 $n-2=8$이므로 95% 신뢰구간을 보고하려면 $t(8; | ||
+ | |||
+ | =====원점을 지나야만 하는 경우===== | ||
+ | 종종 $(0,0)$을 지나는 것이 너무나 자명한 경우 이 사실을 이용할 수 있다. 이 때 기울기는 | ||
+ | $$b = \frac{\sum X_i Y_i}{\sum X_i^2}$$ | ||
+ | 으로 추정하고 그 표준오차는 다음과 같다: | ||
+ | $$s_b = \sqrt{\frac{\sum (Y_i - b X_i)^2}{n-1}} \frac{\sqrt{\sum X_i^2}}{\sum X_i^2}.$$ | ||
+ | |||
+ | ======참고문헌====== | ||
+ | * Boas, // | ||
+ | * 박성현, 김성수, 강명욱, // | ||
+ | * https:// |