[methods] clean up statistics ref
authorAndrew Lorimer <andrew@lorimer.id.au>
Mon, 9 Sep 2019 09:51:42 +0000 (19:51 +1000)
committerAndrew Lorimer <andrew@lorimer.id.au>
Mon, 9 Sep 2019 09:51:42 +0000 (19:51 +1000)
methods/statistics-ref.tex [new file with mode: 0644]
diff --git a/methods/statistics-ref.tex b/methods/statistics-ref.tex
new file mode 100644 (file)
index 0000000..3461bce
--- /dev/null
@@ -0,0 +1,335 @@
+\documentclass[methods-collated.tex]{subfiles}
+\begin{document}
+  \section{Statistics}
+
+  \subsection*{Probability}
+
+  \begin{align*}
+    \Pr(A \cup B) &= \Pr(A) + \Pr(B) - \Pr(A \cap B) \\
+    \Pr(A \cap B) &= \Pr(A|B) \times \Pr(B) \\
+    \Pr(A|B) &= \frac{\Pr(A \cap B)}{\Pr(B)} \\
+    \Pr(A) &= \Pr(A|B) \cdot \Pr(B) + \Pr(A|B^{\prime}) \cdot \Pr(B^{\prime})
+  \end{align*}
+
+  Mutually exclusive \(\implies \Pr(A \cup B) = 0\) \\
+
+  Independent events:
+  \begin{flalign*}
+    \quad \Pr(A \cap B) &= \Pr(A) \times \Pr(B)& \\
+    \Pr(A|B) &= \Pr(A) \\
+    \Pr(B|A) &= \Pr(B)
+  \end{flalign*}
+
+  \subsection*{Combinatorics}
+
+  \begin{itemize}
+    \item Arrangements \({n \choose k} = \frac{n!}{(n-k)}\)
+    \item \colorbox{important}{Combinations} \({n \choose k} = \frac{n!}{k!(n-k)!}\)
+    \item Note \({n \choose k} = {n \choose k-1}\)
+  \end{itemize}
+
+  \subsection*{Distributions}
+
+  \subsubsection*{Mean \(\mu\)}
+
+  \textbf{Mean} \(\mu\) or \textbf{expected value} \(E(X)\)
+
+  \begin{align*}
+    E(X) &= \frac{\Sigma \left[ x \cdot f(x) \right]}{\Sigma f} \tag{\(f =\) absolute frequency} \\
+    &= \sum_{i=1}^n \left[ x_i \cdot \Pr(X=x_i) \right] \tag{discrete}\\
+    &= \int_\textbf{X} (x \cdot f(x)) \> dx
+  \end{align*}
+
+  \subsubsection*{Mode}
+
+  Most popular value (has highest probability of all \(X\) values). Multiple modes can exist if \(>1 \> X\) value have equal-highest probability. Number must exist in distribution.
+
+  \subsubsection*{Median}
+
+  If \(m > 0.5\), then value of \(X\) that is reached is the median of \(X\). If \(m = 0.5 = 0.5\), then \(m\) is halfway between this value and the next. To find \(m\), add values of \(X\) from smallest to alrgest until the sum reaches 0.5.
+
+  \[ m = X \> \text{such that} \> \int_{-\infty}^{m} f(x) dx = 0.5 \]
+
+  \subsubsection*{Variance \(\sigma^2\)}
+
+  \begin{align*}
+    \operatorname{Var}(x) &= \sum_{i=1}^n p_i (x_i-\mu)^2 \\
+    &= \sum (x-\mu)^2 \times \Pr(X=x) \\
+    &= \sum x^2 \times p(x) - \mu^2 \\
+    &= \operatorname{E}(X^2) - [\operatorname{E}(X)]^2
+    &= E\left[(X-\mu)^2\right]
+  \end{align*}
+
+  \subsubsection*{Standard deviation \(\sigma\)}
+
+  \begin{align*}
+    \sigma &= \operatorname{sd}(X) \\
+    &= \sqrt{\operatorname{Var}(X)}
+  \end{align*}
+
+  \subsection*{Binomial distributions}
+
+  Conditions for a \textit{binomial distribution}:
+  \begin{enumerate}
+    \item Two possible outcomes: \textbf{success} or \textbf{failure}
+    \item \(\Pr(\text{success})\) is constant across trials (also denoted \(p\))
+    \item Finite number \(n\) of independent trials
+  \end{enumerate}
+
+
+  \subsubsection*{Properties of \(X \sim \operatorname{Bi}(n,p)\)}
+
+  \begin{align*}
+    \mu(X) &= np \\
+    \operatorname{Var}(X) &= np(1-p) \\
+    \sigma(X) &= \sqrt{np(1-p)} \\
+    \Pr(X=x) &= {n \choose x} \cdot p^x \cdot (1-p)^{n-x}
+  \end{align*}
+
+  \begin{cas}
+    Interactive \(\rightarrow\) Distribution \(\rightarrow\) \verb;binomialPdf; then input
+    \begin{description}[nosep, style=multiline, labelindent=0.5cm, leftmargin=3cm, font=\normalfont]
+      \item [x:] no. of successes
+      \item [numtrial:] no. of trials
+      \item [pos:] probability of success
+    \end{description}
+  \end{cas}
+
+  \subsection*{Continuous random variables}
+
+  A continuous random variable \(X\) has a pdf \(f\) such that:
+
+  \begin{enumerate}
+    \item \(f(x) \ge 0 \forall x \)
+    \item \(\int^\infty_{-\infty} f(x) \> dx = 1\)
+  \end{enumerate}
+
+  \begin{align*}
+    E(X) &= \int_\textbf{X} (x \cdot f(x)) \> dx \\
+    \operatorname{Var}(X) &= E\left[(X-\mu)^2\right]
+  \end{align*}
+
+  \[ \Pr(X \le c) = \int^c_{-\infty} f(x) \> dx \]
+
+
+  \subsection*{Two random variables \(X, Y\)}
+
+  If \(X\) and \(Y\) are independent:
+  \begin{align*}
+    \operatorname{E}(aX+bY) & = a\operatorname{E}(X)+b\operatorname{E}(Y) \\
+    \operatorname{Var}(aX \pm bY \pm c) &= a^2 \operatorname{Var}(X) + b^2 \operatorname{Var}(Y)
+  \end{align*}
+
+  \subsection*{Linear functions \(X \rightarrow aX+b\)}
+
+  \begin{align*}
+    \Pr(Y \le y) &= \Pr(aX+b \le y) \\
+    &= \Pr\left(X \le \dfrac{y-b}{a}\right) \\
+    &= \int^{\frac{y-b}{a}}_{-\infty} f(x) \> dx
+  \end{align*}
+
+  \begin{align*}
+    \textbf{Mean:} && \operatorname{E}(aX+b) & = a\operatorname{E}(X)+b \\
+    \textbf{Variance:} && \operatorname{Var}(aX+b) &= a^2 \operatorname{Var}(X) \\
+  \end{align*}
+
+  \subsection*{Expectation theorems}
+
+  For some non-linear function \(g\), the expected value \(E(g(X))\) is not equal to \(g(E(X))\).
+
+  \begin{align*}
+    E(X^2) &= \operatorname{Var}(X) - \left[E(X)\right]^2 \\
+    E(X^n) &= \Sigma x^n \cdot p(x) \tag{non-linear} \\
+    &\ne [E(X)]^n \\
+    E(aX \pm b) &= aE(X) \pm b \tag{linear} \\
+    E(b) &= b \tag{\(\forall b \in \mathbb{R}\)}\\
+    E(X+Y) &= E(X) + E(Y) \tag{two variables}
+  \end{align*}
+
+  \subsection*{Sample mean}
+
+  Approximation of the \textbf{population mean} determined experimentally.
+
+  \[ \overline{x} = \dfrac{\Sigma x}{n} \]
+
+  where
+  \begin{description}[nosep, labelindent=0.5cm]
+    \item \(n\) is the size of the sample (number of sample points)
+    \item \(x\) is the value of a sample point
+  \end{description}
+
+  \begin{cas}
+    \begin{enumerate}[leftmargin=3mm]
+      \item Spreadsheet
+      \item In cell A1:\\ \path{mean(randNorm(sd, mean, sample size))}
+      \item Edit \(\rightarrow\) Fill \(\rightarrow\) Fill Range
+      \item Input range as A1:An where \(n\) is the number of samples
+      \item Graph \(\rightarrow\) Histogram
+    \end{enumerate}
+  \end{cas}
+
+  \subsubsection*{Sample size of \(n\)}
+
+  \[ \overline{X} = \sum_{i=1}^n \frac{x_i}{n} = \dfrac{\sum x}{n} \]
+
+  Sample mean is distributed with mean \(\mu\) and sd \(\frac{\sigma}{\sqrt{n}}\) (approaches these values for increasing sample size \(n\)).
+
+  For a new distribution with mean of \(n\) trials, \(\operatorname{E}(X^\prime) = \operatorname{E}(X), \quad \operatorname{sd}(X^\prime) = \dfrac{\operatorname{sd}(X)}{\sqrt{n}}\)
+
+  \begin{cas}
+
+    \begin{itemize}
+      \item Spreadsheet \(\rightarrow\) Catalog \(\rightarrow\) \verb;randNorm(sd, mean, n); where \verb;n; is the number of samples. Show histogram with Histogram key in top left
+      \item To calculate parameters of a dataset: Calc \(\rightarrow\) One-variable
+    \end{itemize}
+
+  \end{cas}
+
+  \subsection*{Normal distributions}
+
+
+  \[ Z = \frac{X - \mu}{\sigma} \]
+
+  Normal distributions must have area (total prob.) of 1 \(\implies \int^\infty_{-\infty} f(x) \> dx = 1\) \\
+  \(\text{mean} = \text{mode} = \text{median}\)
+
+  \begin{warning}
+    Always express \(z\) as +ve. Express confidence \textit{interval} as ordered pair.
+  \end{warning}
+
+  \pgfmathdeclarefunction{gauss}{2}{%
+    \pgfmathparse{1/(#2*sqrt(2*pi))*exp(-((x-#1)^2)/(2*#2^2))}%
+  }
+  \pgfkeys{/pgf/decoration/.cd,
+    distance/.initial=10pt
+  }
+  \pgfdeclaredecoration{add dim}{final}{
+    \state{final}{% 
+      \pgfmathsetmacro{\dist}{5pt*\pgfkeysvalueof{/pgf/decoration/distance}/abs(\pgfkeysvalueof{/pgf/decoration/distance})}    
+      \pgfpathmoveto{\pgfpoint{0pt}{0pt}}             
+      \pgfpathlineto{\pgfpoint{0pt}{2*\dist}}   
+      \pgfpathmoveto{\pgfpoint{\pgfdecoratedpathlength}{0pt}} 
+      \pgfpathlineto{\pgfpoint{(\pgfdecoratedpathlength}{2*\dist}}     
+      \pgfsetarrowsstart{latex}
+      \pgfsetarrowsend{latex}
+      \pgfpathmoveto{\pgfpoint{0pt}{\dist}}
+      \pgfpathlineto{\pgfpoint{\pgfdecoratedpathlength}{\dist}} 
+      \pgfusepath{stroke} 
+      \pgfpathmoveto{\pgfpoint{0pt}{0pt}}
+      \pgfpathlineto{\pgfpoint{\pgfdecoratedpathlength}{0pt}}
+    }}
+    \tikzset{dim/.style args={#1,#2}{decoration={add dim,distance=#2},
+      decorate,
+      postaction={decorate,decoration={text along path,
+      raise=#2,
+      text align={align=center},
+      text={#1}}}}
+    }
+    \begin{figure*}[hb]
+      \centering
+      \begin{tikzpicture}
+        \begin{axis}[every axis plot post/.style={
+            mark=none,domain=-3:3,samples=50,smooth}, 
+          axis x line=bottom, 
+          axis y line=left,
+          enlargelimits=upper,
+          x=\textwidth/10,
+          ytick={0.55},
+          yticklabels={\(\frac{1}{\sigma \sqrt{2\pi}}\)}, 
+          xtick={-2,-1,0,1,2},
+          x tick label style = {font=\footnotesize},
+          xticklabels={\((\mu-2\sigma)\), \((\mu-\sigma)\), \(\mu\), \((\mu+\sigma)\), \((\mu+2\sigma)\)},
+          xlabel={\(x\)},
+          every axis x label/.style={at={(current axis.right of origin)},anchor=north west},
+          every axis y label/.style={at={(axis description cs:-0.02,0.2)}, anchor=south west, rotate=90},
+          ylabel={\(\Pr(X=x)\)}]
+          \addplot {gauss(0,0.75)};
+          \fill[red!30] (-3,0)  -- plot[id=f3,domain=-3:3,samples=50] function {1/(0.75*sqrt(2*pi))*exp(-((x)^2)/(2*0.75^2))} -- (3,0) -- cycle;
+          \fill[darkgray!30] (3,0)  -- plot[id=f3,domain=-3:3,samples=50] function {1/(0.75*sqrt(2*pi))*exp(-x*x*0.5/(0.75*0.75))} -- (3,0) -- cycle;
+          \fill[lightgray!30] (-2,0)  -- plot[id=f3,domain=-2:2,samples=50] function {1/(0.75*sqrt(2*pi))*exp(-x*x*0.5/(0.75*0.75))} -- (2,0) -- cycle;
+          \fill[white!30] (-1,0)  -- plot[id=f3,domain=-1:1,samples=50] function {1/(0.75*sqrt(2*pi))*exp(-x*x*0.5/(0.75*0.75))} -- (1,0) -- cycle;
+          \begin{scope}[<->]
+            \draw (-1,0.35) -- (1,0.35) node [midway, fill=white] {68.3\%};
+            \draw (-2,0.25) -- (2,0.25) node [midway, fill=white] {95.5\%};
+            \draw (-3,0.15) -- (3,0.15) node [midway, fill=white] {99.7\%};
+          \end{scope}
+          \begin{scope}[-, dashed, gray]
+            \draw (-1,0) -- (-1, 0.35);
+            \draw (1,0) -- (1, 0.35);
+            \draw (-2,0) -- (-2, 0.25);
+            \draw (2,0) -- (2, 0.25);
+            \draw (-3,0) -- (-3, 0.15);
+            \draw (3,0) -- (3, 0.15);
+          \end{scope}
+        \end{axis}
+        \begin{axis}[every axis plot post/.append style={
+            mark=none,domain=-3:3,samples=50,smooth}, 
+          axis x line=bottom, 
+          enlargelimits=upper,
+          x=\textwidth/10,
+          xtick={-2,-1,0,1,2},
+          axis x line shift=30pt,
+          hide y axis,
+          x tick label style = {font=\footnotesize},
+          xlabel={\(Z\)},
+          every axis x label/.style={at={(axis description cs:1,-0.25)},anchor=south west}]
+          \addplot {gauss(0,0.75)};
+        \end{axis}
+      \end{tikzpicture}
+    \end{figure*}
+
+  \subsection*{Confidence intervals}
+
+  \begin{itemize}
+    \item \textbf{Point estimate:} single-valued estimate of the population mean from the value of the sample mean \(\overline{x}\)
+    \item \textbf{Interval estimate:} confidence interval for population mean \(\mu\)
+    \item \(C\)\% confidence interval \(\implies\) \(C\)\% of samples will contain population mean \(\mu\)
+  \end{itemize}
+
+  \subsubsection*{95\% confidence interval}
+
+  For 95\% c.i. of population mean \(\mu\):
+
+  \[ x \in \left(\overline{x} \pm 1.96 \dfrac{\sigma}{\sqrt{n}} \right)\]
+
+  where:
+    \begin{description}[nosep, labelindent=0.5cm]
+    \item \(\overline{x}\) is the sample mean
+    \item \(\sigma\) is the population sd
+    \item \(n\) is the sample size from which \(\overline{x}\) was calculated
+  \end{description}
+
+  \begin{cas}
+    Menu \(\rightarrow\) Stats \(\rightarrow\) Calc \(\rightarrow\) Interval \\
+    Set \textit{Type = One-Sample Z Int} \\ \-\hspace{1em} and select \textit{Variable}
+  \end{cas}
+
+  \subsection*{Margin of error}
+
+  For 95\% confidence interval of \(\mu\):
+  \begin{align*}
+    M &= 1.96 \times \dfrac{\sigma}{\sqrt{n}} \\
+    &= \dfrac{1}{2} \times \text{width of c.i.} \\
+    \implies n &= \left( \dfrac{1.96 \sigma}{M} \right)^2
+  \end{align*}
+
+  Always round \(n\) up to a whole number of samples.
+
+  \subsection*{General case}
+
+  For \(C\)\% c.i. of population mean \(\mu\):
+
+  \[ x \in \left( \overline{x} \pm k \dfrac{\sigma}{\sqrt{n}} \right) \]
+  \hfill where \(k\) is such that \(\Pr(-k < Z < k) = \frac{C}{100}\)
+
+  \begin{cas}
+    Menu \(\rightarrow\) Stats \(\rightarrow\) Calc \(\rightarrow\) Interval \\
+    Set \textit{Type = One-\colorbox{important}{Prop} Z Int} \\
+    Input  x \(= \hat{p} * n\)
+  \end{cas}
+
+  \subsection*{Confidence interval for multiple trials}
+
+  For a set of \(n\) confidence intervals (samples), there is \(0.95^n\) chance that all \(n\) intervals contain the population mean \(\mu\).
+
+  \end{document}