- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
При большом числе наблюдений одно и то же значение Хможет встречатьсяnxраз, одно и то же значениеY–nyраз. Поэтому данные наблюдений группируют и записывают в виде корреляционной таблицы. Если данные сгруппирированы, то, учитывая, что , , и , запишем систему 25.2 в виде: (1)
Решив эту систему, найдем и получим уравнение регрессииYнаX. Однако это целесообразно сделать иначе. Из второго уравнения, подставим в ,тогда .
Найдем из (1) .
Умножим обе части равенства на дробь :– выборочный коэффициент корреляции. Выразив через, получим уравнение прямой линии регрессииYнаХ:. Аналогично,- уравнения регрессииXнаY.
Выборочный коэффициент корреляции rслужит для измерения линейной связи междуХ иY, т.к. выборка случайная, то надо проверить гипотезу H0:r= 0 приH1:r0.
Для этого вычисляем и по таблице критических точек распределения Стьюдента по уровню значимостии числу степеней свободынаходимдля двухсторонней критической области. Если- нет оснований отвергать гипотезу. Это означает, чтоYиХне коррелированны, т.е. не связаны линейной зависимостью. Если, то нулевую гипотезу отвергаем, т.е.иХиYкоррелированны.
Пример.Найти выборочное уравнение прямой линии регрессииYнаХпо данным корреляционной таблицы.
Y |
X |
ny | |||||
10 |
20 |
30 |
40 |
50 |
60 | ||
15 |
5 |
7 |
|
|
|
|
12 |
25 |
|
20 |
23 |
|
|
|
43 |
35 |
|
|
30 |
47 |
2 |
|
79 |
45 |
|
|
10 |
11 |
20 |
6 |
47 |
55 |
|
|
|
9 |
7 |
3 |
19 |
nx |
5 |
27 |
63 |
67 |
29 |
9 |
n=200 |
Для упрощения работы перейдем к условным вариантам и, гдес1ис2– средние значениях иу,– шаг измененияхиу. Имеем:;. Запишем корреляционную таблицу дляuиv
v |
u |
nv | |||||||
-3 |
-2 |
-1 |
0 |
1 |
2 | ||||
-2 |
5-15 |
7-14 |
|
|
|
|
12 |
-29 |
58 |
-1 |
|
20-40 |
23-23 |
|
|
|
43 |
-63 |
63 |
0 |
|
|
30-30 |
470 |
22 |
|
79 |
-28 |
0 |
1 |
|
|
10-10 |
110 |
2020 |
612 |
47 |
22 |
22 |
2 |
|
|
|
90 |
77 |
36 |
19 |
13 |
26 |
nu |
5 |
27 |
63 |
67 |
29 |
9 |
n=200 |
|
Выборочный коэффициент корреляции r вычислим по формуле. Удобно вычислять, используя формулу:
или, для контроля
В каждой клетке, где записываем произведение частотына варианту. Складываем все числа в строке и записываем в графу, и затем умножаем полученное число на вариантуv, результат - в последнюю графуvu. Сложив все числа столбцаvu, получаем искомую сумму:. Вычислим средние значения вариант и выборочные среднеквадратичные отклонения.
Аналогично,
Тогда
Затем вычисляем: ,
, ,
Проверяем значимость r: находим .
По таблице Стьюдента ; 10,6>1,98 – нулевую гипотезуотвергаем, т.е.x иу коррелированны и действительно связаны линейной зависимостью.