Professional Documents
Culture Documents
2 / 69
Ogólny problem oceny twórców
j4
j2
j3
j1 j5
J
3 / 69
Ogólny problem oceny twórców
j4
j2
v(j1 ) = 7
j3
j1 j5
J
4 / 69
Ogólny problem oceny twórców
A1 j4
j2
j3 A2
j1 j5
J
5 / 69
Ogólny problem oceny twórców
A1 j4
j2
j3 A2
j1 j5
J
6 / 69
Ogólny problem oceny twórców
3 • J — strony internetowe,
• A — portale (serwisy WWW),
• v — liczba odwiedzin,
4 • J — dzieła sztuki,
• A — artyści,
• v — cena dzieła na aukcji.
7 / 69
Ogólny problem oceny twórców
3 • J — strony internetowe,
• A — portale (serwisy WWW),
• v — liczba odwiedzin,
4 • J — dzieła sztuki,
• A — artyści,
• v — cena dzieła na aukcji.
8 / 69
Ogólny problem oceny twórców
3 • J — strony internetowe,
• A — portale (serwisy WWW),
• v — liczba odwiedzin,
4 • J — dzieła sztuki,
• A — artyści,
• v — cena dzieła na aukcji.
9 / 69
Ogólny problem oceny twórców
3 • J — strony internetowe,
• A — portale (serwisy WWW),
• v — liczba odwiedzin,
4 • J — dzieła sztuki,
• A — artyści,
• v — cena dzieła na aukcji.
10 / 69
Ogólny problem oceny twórców
3 • J — strony internetowe,
• A — portale (serwisy WWW),
• v — liczba odwiedzin,
4 • J — dzieła sztuki,
• A — artyści,
• v — cena dzieła na aukcji.
11 / 69
Ogólny problem oceny twórców
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Problem
Na podstawie informacji zawartych w (J, A, v) dokonać „oceny”
twórców z A.
Co oceniać?
• jakość wytworów
• produktywność
Wskaźniki bibliometryczne
18 / 69
Wskaźniki bibliometryczne
Wskaźniki bibliometryczne
19 / 69
Wskaźniki bibliometryczne
Indeks Hirscha
Definicja
Indeksem Hirscha nazywamy funkcję h : [0, ∞)n → [0, ∞) taką, że
max{i : xn+1−i:n > i, i = 1, 2, . . . , n} gdy xn:n > 0,
h(x) =
0 w p.p.
Np. h(5, 4, 3, 3, 3, 1) = 3.
Np. h(10, 10, 10, 10, 0, 0, 0, 0) = 4.
20 / 69
Wskaźniki bibliometryczne
Indeks Hirscha
Definicja
Indeksem Hirscha nazywamy funkcję h : [0, ∞)n → [0, ∞) taką, że
max{i : xn+1−i:n > i, i = 1, 2, . . . , n} gdy xn:n > 0,
h(x) =
0 w p.p.
Np. h(5, 4, 3, 3, 3, 1) = 3.
Np. h(10, 10, 10, 10, 0, 0, 0, 0) = 4.
21 / 69
Wskaźniki bibliometryczne
Indeks Hirscha
Definicja
Indeksem Hirscha nazywamy funkcję h : [0, ∞)n → [0, ∞) taką, że
max{i : xn+1−i:n > i, i = 1, 2, . . . , n} gdy xn:n > 0,
h(x) =
0 w p.p.
Np. h(5, 4, 3, 3, 3, 1) = 3.
Np. h(10, 10, 10, 10, 0, 0, 0, 0) = 4.
22 / 69
Problem oceny w interpretacji statystycznej
Interpretacja statystyczna
Rozważmy X = (X1 , . . . , Xn ) i.i.d. F, gdzie F – dystrybuanta ciągła,
ściśle rosnąca na [0, ∞), F(x) = 0 dla x < 0.
Interpretacja:
Xi — ocena jakości i-tego dzieła
F określa zdolności do wytwarzania dzieł o jakości właściwej każdemu
twórcy
Przykład
Dla P2(k, s), k > 0, s > 1
k
s
F(x) = 1 −
s+x
Interpretacja statystyczna
Rozważmy X = (X1 , . . . , Xn ) i.i.d. F, gdzie F – dystrybuanta ciągła,
ściśle rosnąca na [0, ∞), F(x) = 0 dla x < 0.
Interpretacja:
Xi — ocena jakości i-tego dzieła
F określa zdolności do wytwarzania dzieł o jakości właściwej każdemu
twórcy
Przykład
Dla P2(k, s), k > 0, s > 1
k
s
F(x) = 1 −
s+x
Interpretacja statystyczna
Rozważmy X = (X1 , . . . , Xn ) i.i.d. F, gdzie F – dystrybuanta ciągła,
ściśle rosnąca na [0, ∞), F(x) = 0 dla x < 0.
Interpretacja:
Xi — ocena jakości i-tego dzieła
F określa zdolności do wytwarzania dzieł o jakości właściwej każdemu
twórcy
Przykład
Dla P2(k, s), k > 0, s > 1
k
s
F(x) = 1 −
s+x
Definicja
Komplementarną funkcją kwantylową zmiennej losowej
o dystrybuancie F nazywamy funkcję K : (0, 1) → [0, ∞) daną
wzorem
K(x) = (1 − F(x))−1 .
Definicja
Funkcją kontrolną nazywamy dowolną funkcję κ : [0, 1] → R, która
jest ciągła, niemalejąca i taka, że κ(0) 6 0, κ(1) > 0.
26 / 69
Problem oceny w interpretacji statystycznej
Definicja
Komplementarną funkcją kwantylową zmiennej losowej
o dystrybuancie F nazywamy funkcję K : (0, 1) → [0, ∞) daną
wzorem
K(x) = (1 − F(x))−1 .
Definicja
Funkcją kontrolną nazywamy dowolną funkcję κ : [0, 1] → R, która
jest ciągła, niemalejąca i taka, że κ(0) 6 0, κ(1) > 0.
27 / 69
Problem oceny w interpretacji statystycznej
Definicja
Komplementarną funkcją kwantylową zmiennej losowej
o dystrybuancie F nazywamy funkcję K : (0, 1) → [0, ∞) daną
wzorem
K(x) = (1 − F(x))−1 .
Definicja
Funkcją kontrolną nazywamy dowolną funkcję κ : [0, 1] → R, która
jest ciągła, niemalejąca i taka, że κ(0) 6 0, κ(1) > 0.
28 / 69
κ-pozycje i ich estymacja
κ-pozycje
Definicja
κ-pozycją dla rozkładu danego dystrybuantą F przy funkcji kontrolnej
κ nazywamy liczbę pκ ∈ (0, 1) będącą rozwiązaniem równania
κ(pκ ) = K(pκ ).
29 / 69
κ-pozycje i ich estymacja
1 − pκ = P(κ−1 (Xi ) 6 pκ ).
Uwaga
Przy podanych założeniach κ-pozycja zawsze istnieje i jest
wyznaczona jednoznacznie.
30 / 69
κ-pozycje i ich estymacja
1 − pκ = P(κ−1 (Xi ) 6 pκ ).
Uwaga
Przy podanych założeniach κ-pozycja zawsze istnieje i jest
wyznaczona jednoznacznie.
31 / 69
κ-pozycje i ich estymacja
1 − pκ = P(κ−1 (Xi ) 6 pκ ).
Uwaga
Przy podanych założeniach κ-pozycja zawsze istnieje i jest
wyznaczona jednoznacznie.
32 / 69
κ-pozycje i ich estymacja
1 − pκ = P(κ−1 (Xi ) 6 pκ ).
Uwaga
Przy podanych założeniach κ-pozycja zawsze istnieje i jest
wyznaczona jednoznacznie.
33 / 69
κ-pozycje i ich estymacja
Przykład
Dla P2(1, 1) i κ(x) = x zachodzi
√
5−1 1
pκ = = = ϕ − 1 ' 0,618034.
2 ϕ
Przykład
Dla dowolnego F i κ ≡ F−1 zachodzi
pκ = 0,5.
34 / 69
κ-pozycje i ich estymacja
Przykład
Dla P2(1, 1) i κ(x) = x zachodzi
√
5−1 1
pκ = = = ϕ − 1 ' 0,618034.
2 ϕ
Przykład
Dla dowolnego F i κ ≡ F−1 zachodzi
pκ = 0,5.
35 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Definicja
Dyskretnym κ-indeksem pozycyjnym nazywamy statystykę
1
p
bκ (X) = arg max {Xn−i+1:n > κ(i/n)}
n i=0,...,n
1
= arg max {#{Xk : Xk > κ(i/n)} > i} .
n i=0,...,n
36 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Definicja
Dyskretnym κ-indeksem pozycyjnym nazywamy statystykę
1
p
bκ (X) = arg max {Xn−i+1:n > κ(i/n)}
n i=0,...,n
1
= arg max {#{Xk : Xk > κ(i/n)} > i} .
n i=0,...,n
37 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Lemat 1
Rozkład p
bκ opisany jest dystrybuantą
X
n h
n ii h in−i
Fpb κ (p) = 1− 1 − F ◦ κ bpn+1c
n F ◦ κ bpn+1c
n
i
i=bpn+1c
= I F ◦ κ bpn+1c
n ; n − bpnc, bpnc + 1
38 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Stwierdzenie 2
bκ jest estymatorem asymptotycznie nieobciążonym pκ oraz
p
bκ → 0.
Var p
Lemat 3
Niech X = (X1 , . . . , Xn ) i.i.d. F. Wówczas dla funkcji kontrolnej
κ(x) = xn zachodzi
39 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Stwierdzenie 2
bκ jest estymatorem asymptotycznie nieobciążonym pκ oraz
p
bκ → 0.
Var p
Lemat 3
Niech X = (X1 , . . . , Xn ) i.i.d. F. Wówczas dla funkcji kontrolnej
κ(x) = xn zachodzi
40 / 69
κ-pozycje i ich estymacja
Estymacja κ-pozycji
Stwierdzenie 4 (O aproksymacji)
Jeśli F ◦ κ jest funkcją analityczną w punkcie pκ i dla każdego p
w dowolnie małym otoczeniu pκ zachodzi (p − pκ )2 (F ◦ κ) 00 (p) ' 0
oraz (p − pκ ) δ (1 − 2pκ + (p − pκ ) δ) ' 0, to dla n → ∞
p − pκ
Fpb κ (p) ' Φ q ,
pκ (1−pκ )
n (1+δ)2
41 / 69
Testy do porównywania dwóch prób
H0 : F = G
względem
K : F G.
42 / 69
Testy do porównywania dwóch prób
H0 : F = G
względem
K : F G.
43 / 69
Testy do porównywania dwóch prób
gdzie
pκ,F (1 − pκ,F )
σ2κ,F =
(1 + δκ,F )2
oraz δκ,F := (F ◦ κ) 0 (pκ,F ).
44 / 69
Testy do porównywania dwóch prób
Mamy k1 < k2 ⇒ F G.
45 / 69
Testy do porównywania dwóch prób
Mamy k1 < k2 ⇒ F G.
46 / 69
Testy do porównywania dwóch prób
Mamy k1 < k2 ⇒ F G.
47 / 69
Testy do porównywania dwóch prób
Testy do porównania:
1 Test Manna-Whitney’a-Wilcoxona,
2 Test Kołmogorowa-Smirnowa,
[2n,2n]
H0 odrzucamy, gdy T > F1−α .
48 / 69
Testy do porównywania dwóch prób
Testy do porównania:
1 Test Manna-Whitney’a-Wilcoxona,
2 Test Kołmogorowa-Smirnowa,
[2n,2n]
H0 odrzucamy, gdy T > F1−α .
49 / 69
Testy do porównywania dwóch prób
Testy do porównania:
1 Test Manna-Whitney’a-Wilcoxona,
2 Test Kołmogorowa-Smirnowa,
[2n,2n]
H0 odrzucamy, gdy T > F1−α .
50 / 69
Testy do porównywania dwóch prób
Testy do porównania:
1 Test Manna-Whitney’a-Wilcoxona,
2 Test Kołmogorowa-Smirnowa,
[2n,2n]
H0 odrzucamy, gdy T > F1−α .
51 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
52 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
53 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
54 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
55 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
56 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
57 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
58 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
59 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
60 / 69
Testy do porównywania dwóch prób
0.4
Hirsch
0.2
Mann−Whitney
K−S
LR−param
0.0
k2
61 / 69
Testy do porównywania dwóch prób
62 / 69
Testy do porównywania dwóch prób
63 / 69
Testy do porównywania dwóch prób
64 / 69
Testy do porównywania dwóch prób
65 / 69
Testy do porównywania dwóch prób
66 / 69
Testy do porównywania dwóch prób
Dziękujemy za uwagę.
67 / 69
Testy do porównywania dwóch prób
Literatura
• Q. Burrell. On the h-index, the size of the Hirsch core and Jin’s
A-index. Journal of Informetrics 1, 170–177.
• Q. Burrell (2008). Extending Lotkaian informetrics. Information
Processing & Management 44, 1794–1807.
• A. DasGupta (2008). Asymptotic theory of statistics and
probability. Springer Verlag, New York.
• W. Glänzel (2008). On some new bibliometric applications of
statistics related to the h-index. Scientometrics 77(1), 187–196.
• L. Egghe (2006). Theory and practise of the g-index.
Scientometrics 69(1), 131–152.
68 / 69
Testy do porównywania dwóch prób
69 / 69