public DemoStats(double[][] dataMatrix)
{
var transpMatrix = MatrixFunction.TransposeMatrix(dataMatrix);
Correlations = new CorrelationsAnalysis(transpMatrix, dataMatrix[0].Length - 1);
Regressions = new RegressionAnalysis(dataMatrix, dataMatrix[0].Length - 1);
Descriptive = new DescriptiveStatistics[transpMatrix.Length];
for (int i = 0; i < Descriptive.Length; ++i)
{
Descriptive[i] = new DescriptiveStatistics(transpMatrix[i]);
}
Forecast = new Forecast(dataMatrix, transpMatrix.Length - 1);
}
private static void Main(string[] args)
{
int n = 629, m = 10;
var matrix = ReadDataMatrix(@"D:\Универ\3 курс\2 семестр\Тер вер и мат стат\movie_metadata_1.csv");
var transpMatrix = MatrixFunction.TransposeMatrix(matrix);
Dictionary <double, double> laplasMatrix = ReadLaplasMatrix("2.txt");
Console.WriteLine("Описательная статистика");
for (int k = 0; k < m; ++k)
{
PearsonConsentCriterion pcc = new PearsonConsentCriterion(transpMatrix[k].Take(n).ToArray(), laplasMatrix);
KolmogorovConsentCriterion kcc = new KolmogorovConsentCriterion(transpMatrix[k]);
DescriptiveStatistics ds = new DescriptiveStatistics(transpMatrix[k]);
Console.WriteLine();
Console.WriteLine("Среднее арифметическое = {0}", ds.ArithmeticalMean);
Console.WriteLine("Мода = {0}", ds.Mode);
Console.WriteLine("Медиана = {0}", ds.Median);
Console.WriteLine("Дисперсия = {0}", ds.Dispersion);
Console.WriteLine("Асимметрия = {0}", ds.Assimmetry);
Console.WriteLine("Эксцесс = {0}", ds.Excess);
Console.WriteLine("Стандартное отклонение = {0}", ds.StandardDeviation);
Console.WriteLine("Коэффициент вариации = {0}", ds.VariationCoefficient);
Console.WriteLine("Размах вариации = {0}", ds.VariationRange);
Console.WriteLine("Среднее значение x: " + pcc.AverageValueX);
Console.WriteLine("Среднее квадратичное отклонение: " + pcc.MeanSquareDeviation);
Console.WriteLine("Критерий Пирсона: " + pcc.PearsonCriterionValue);
Console.WriteLine("Табличный критерий Пирсона = " + 63.6567);
Console.WriteLine("Критерий Колмогорова = " + kcc.KolmogorovCriterionValue);
Console.WriteLine("Табличный критерий Колмогорова = 1,950\n\n");
Console.WriteLine();
}
Console.WriteLine("Нажмите, чтобы увидеть далее...");
Console.ReadLine();
Console.WriteLine("Корреляционный анализ");
CorrelationsAnalysis correlationsAnalyses = new CorrelationsAnalysis(transpMatrix, m - 1);
Console.WriteLine("Матрица корреляции");
foreach (double[] correlationCoef in correlationsAnalyses.PairCorrelationsMatrix)
{
for (int j = 0; j < correlationCoef.Length; j++)
{
Console.Write("{0} ", Math.Round(correlationCoef[j], 5));
}
Console.WriteLine();
}
Console.WriteLine(); Console.WriteLine("Коэффициенты значимости для матрицы парных корреляций: ");
foreach (double[] t in correlationsAnalyses.MatrixSignificanceFactors)
{
for (int j = 0; j < t.Length; j++)
{
Console.Write("{0} ", Math.Round(t[j], 5));
}
Console.WriteLine();
}
Console.WriteLine();
Console.WriteLine("Коэффициенты значимости:");
foreach (double t in correlationsAnalyses.ParametersSignificanceFactors)
{
Console.WriteLine(t);
}
Console.WriteLine();
var multipleCoefficientY = correlationsAnalyses.SelectiveMultipleCoefficient;
var determinationCoefficientY = correlationsAnalyses.DeterminationCoefficient;
Console.WriteLine("Выборочный множественный коэффициент Y: " + multipleCoefficientY);
Console.WriteLine("Коэффициент детерминации: " + determinationCoefficientY);
if (determinationCoefficientY > 0.8)
{
Console.WriteLine("Модель адекватна");
}
Console.WriteLine();
Console.WriteLine("Матрица частной корреляции");
foreach (double[] t in correlationsAnalyses.PartialCorrelationsMatrix)
{
for (int j = 0; j < correlationsAnalyses.PartialCorrelationsMatrix.Length; j++)
{
Console.Write("{0,6} ", Math.Round(t[j], 4));
}
Console.WriteLine();
}
Console.WriteLine();
Console.WriteLine("Нажмите, чтобы увидеть далее...");
Console.ReadLine();
Console.WriteLine("Регрессионный анализ");
RegressionAnalysis ra = new RegressionAnalysis(matrix, m - 1);
Console.WriteLine("Коэффициенты регрессии:");
for (int i = 0; i < ra.RegressionCoefficients.Length; i++)
{
if (i == 0)
{
Console.WriteLine("a = {0}", ra.RegressionCoefficients[i]);
}
else
{
Console.WriteLine("b{0} = {1}", i, ra.RegressionCoefficients[i]);
}
}
Console.WriteLine("Значимость коэффициентов регрессии:");
for (int i = 0; i < m; i++)
{
Console.WriteLine("b{0} = {1}", (i + 1), ra.RegressionCoefficientsSignificance[i]);
}
Console.WriteLine("Доверительные интервалы коэффициентов регрессии:");
for (int i = 0; i < m; i++)
{
Console.WriteLine("{0} <= b{1} <= {2}", ra.ConfidenceIntervalsOfCoefficients[i].Item1, (i + 1), ra.ConfidenceIntervalsOfCoefficients[i].Item2);
}
Console.WriteLine("Коэффициент значимости уравнения регрессии:");
Console.WriteLine(ra.RegressionEquationSignificance);
Console.WriteLine();
Console.WriteLine("Коэффициенты эластичности");
double[] elast = ra.ElasticityCoefficients;
for (int u = 0; u < m; u++)
{
Console.WriteLine("x{0} = {1}", (u + 1), elast[u]);
}
Forecast f = new Forecast(matrix, m - 1);
Console.WriteLine("Прогнозирование");
Console.WriteLine(f.Value[0] + " < y < " + f.Value[1]);
Console.WriteLine();
}
