ㄹ
Chapter 3, Chapter 4
Statistics RTsec N Valid 600 Missing 0 Mean 1.6245 Median 1.5300 Mode 1.33
Descriptives StatisticStd. Error RTsec Mean 1.6245 .02603 95% Confidence Lower 1.5734 Interval Upper 1.6756 for Mean 5% Trimmed Mean 1.5672 Median 1.5300 Variance .407 Std. Deviation .63772 Minimum .72 Maximum 4.44 Range 3.72 Interquartile Range .77 Skewness 1.465 .100 Kurtosis 2.849 .199
data file: ex3-1.sav 읽지 않은 지문에 대한 답을 한 학생들의 점수 (Katz, 1990).
NOPASSAG Stem-and-Leaf Plot Frequency Stem & Leaf 1.00 3 . 4 5.00 3 . 66689 5.00 4 . 33444 7.00 4 . 6666799 5.00 5 . 01224 5.00 5 . 55577 Stem width: 10.00 Each leaf: 1 case(s)
Chapter 5
Descriptives SET Statistic Std. Error ATTRACT 4 Mean 2.6445 .14651 95% Confidence Lower Bound 2.3379 Interval for Upper Bound 2.9511 Mean 5% Trimmed Mean 2.6483 Median 2.5950 Variance .429 Std. Deviation .65520 Minimum 1.20 Maximum 4.02 Range 2.82 Interquartile Range .82 Skewness -.001 .512 Kurtosis .438 .992 32 Mean 3.2615 .01541 95% Confidence Interval for Mean Lower Bound 3.2292 Upper Bound 3.2938 5% Trimmed Mean 3.2622 Median 3.2650 Variance .005 Std. Deviation .06892 Minimum 3.13 Maximum 3.38 Range .25 Interquartile Range .11 Skewness -.075 .512 Kurtosis -.863 .992
우선, Expected value (기대값)와 Variance (분산)의 연산은 아래와 같이 계산될 수 있다.
X,Y 가 서로 독립적이라고 할 때:
\begin{eqnarray}
E[aX] = a E[X] \\
E[X+Y] = E[X] + E[Y] \\
Var[aX] = a^{\tiny{2}} Var[X] \\
Var[X+Y] = Var[X] + Var[Y]
\end{eqnarray}
이때, 한 샘플의 평균값을 $X$ 라고 하면, 평균들의 합인 $S_k$ 는
$$ S_{k} = X_1 + X_2 + . . . + X_k $$
와 같다.
이렇게 얻은 샘플들(k 개의)의 평균인 $ A_k $ 는,
$$ A_k = \displaystyle \frac{(X_1 + X_2 + . . . + X_k)}{k} = \frac{S_{k}}{k} $$
라고 할 수 있다.
이때,
$$
\begin{align*}
E[S_k] & = E[X_1 + X_2 + . . . +X_k] \\
& = E[X_1] + E[X_2] + . . . + E[X_k] \\
& = \mu + \mu + . . . + \mu = k * \mu \\
\end{align*}
$$
$$
\begin{align*}
Var[S_k] & = Var[X_1 + X_2 + . . . +X_k] \\
& = Var[X_1] + Var[X_2] + \dots + Var[X_k] \\
& = k * \sigma^2
\end{align*}
$$
이다.
그렇다면, $ A_k $ 에 관한 기대값과 분산값은:
$$
\begin{align*}
E[A_k] & = E[\frac{S_k}{k}] \\
& = \frac{1}{k}*E[S_k] \\
& = \frac{1}{k}*k*\mu = \mu
\end{align*}
$$
이고,
$$
\begin{align*}
Var[A_k] & = Var[\frac{S_k}{k}] \\
& = \frac{1}{k^2} Var[S_k] \\
& = \frac{1}{k^2}*k*\sigma^2 \\
& = \frac{\sigma^2}{k} \nonumber
\end{align*}
$$
라고 할 수 있다.