Samenvatting Advanced Methods for Applied Spatial Economic Research 2013-2014
Background (SW 2&3)
- outcomes: mutually exclusive (only one will actually occur) potential results of a random process
- probability of an outcome: proportion of the time that a specific outcome will occur in the long run.
- sample space: set of all possible outcomes
- event: a set consisting of two or more outcomes
- random variable: a numerical summary of a random outcome (discrete: ‘whole’ values like 1,2 or 3
and continuous)
- probability distribution: a list of all possible values of a variable and the probability that each value
will occur, the probabilities sum to 1
- Bernoulli random variable: binary discrete random variable (outcome of 0 or 1)
- Bernoulli distribution: outcome 0 has a probability of 1-p, outcome 1 of p
- expected value E(Y): long run average value of a random variable Y, for discrete random variables it
is a weighted average (∑possible values x their probability).
- mean: the expected value, denoted as: µY
- expected value of Bernoulli variable:1 x p + 0 x (p-1) = p
- sample mean: the mean value of n samples is, = (Y1 + Y2 + … Yn)
- variance, denoted as var(Y) or бY 2 : measurement of the spread of a probability distribution. Given
by: ∑(yi - µY )2 pi
- standard deviation, denoted as б Y :
- variance and standard deviation of Bernoulli: б Y 2 = p(1-p) and бY =
- skewness: how much a distribution deviates from symmetry, [∑(yi - µY )3 pi ]/ бY 3
- kurtosis: how much mass is in the tails. The greater the kurtosis, the more likely are outliers. [∑(yi -
µY )4 pi ]/ бY 4
- covariance, denoted as cov(X,Y) or б XY : the extent to which two random variables move together,
given by: ∑(xj - µX)(yi - µY )P(xj, yi )
- correlation, denoted as corr(X,Y): the dependence between X and Y, very similar to the covariance.
The formula is: corr(X,Y) = cov(X,Y)/ = бXY / бX бY
* Distributions
- Normal: bell shaped probability density. The mean µ lies in the center. This distribution has 95% of
its probability between µ - 1,96б and µ + 1,96б.
- Chi-squared: sum of m squared independent standard normal random variables. The degrees of
freedom are equal to the number m of used variables.
-Student t: m degrees of freedom. The distribution of the ratio of a standard normal random variable
divided by the square root of an independently distributed chi-squared random variable divided by m.
For example: Z/
- F distribution: W is a chi-squared random variable with m degrees of freedom. V is a chi-squared
random variable with n degrees of freedom. The variables are independently distributed. In formula:
(W/m)/(V/n)
- bar: mean
- dakje: estimator
- tilde: relatie/verandering
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper jipclaassens. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.