bardushkin
.pdf
|
|
0, x 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
k |
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
2 |
|
|
|
|
|
|
k |
|
|
k |
|
|
|
|
|||||
|
|
Г |
1 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|||||
f F x |
|
|
|
|
|
|
|
k |
|
|
1 |
|
|
x 2 |
1 |
|
|
|||||||
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|
, если x 0 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
k |
k |
||||||
|
|
|
k |
|
k |
|
|
|
k |
|
|
|
|
|
|
|
2 |
|||||||
|
|
2 |
|
2 |
|
|
|
|
|
|
1 |
|
||||||||||||
|
|
|
Г |
|
1 |
|
Г |
|
|
|
|
|
|
k1 |
|
|
2 |
|
||||||
|
|
|
2 |
2 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
x |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
2 |
|
, k |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||
F |
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F–распределение определяется двумя параметрами k1 и k2 и существует таблица квантилей.
F |
k |
|
, k |
|
|
|
1 |
|
|
|
|
|
|
k |
, k |
|
|
||||
1 p |
|
1 |
|
2 |
F |
|
|
|||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
p |
1 |
|
2 |
|
.
f |
(x) |
|
F |
x
Лекция № 18 Глава 9
Предельные теоремы теории вероятностей
§ 1. Неравенства Чебышева. Закон больших чисел.
Следующие два неравенства называют неравенствами Чебышева. Сформулируем их в виде теорем.
Т е о р е м а : x 0 имеют место неравенства:
P |
X |
|
x |
M |
|
X |
|
|
|
|
|||
|
|
|
|
|
|||||||||
|
|
|
|||||||||||
|
|
x |
|
D X |
|
||||||||
P |
|
|
|
|
|
|
|
|
|||||
X mX |
|
|
x |
|
. |
||||||||
|
|
|
|||||||||||
|
|
|
x |
2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д о к а з а т е л ь с т в о : |
|||||||||||||
|
X |
|
|||||||||||
Разложим |
в сумму двух слагаемых |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X X I X x X I X x X I X x x I X x x I X x X
M I P X
X x M X
x M X ,
так как x > 0, получаем
P X
x |
M |
|
X |
|
|
||||
x |
||||
|
.
X m |
X |
|
|
2 |
|
x |
2 |
X m |
X |
|
x |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
P X m |
|
|
|
|
|
|
|
|
|
|
|
M X m |
|
|
|
|||||||||
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
2 |
|
|||||||||
|
|
2 |
2 |
|
|
|
|
|
|
X |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
2 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
X m |
X |
|
|
x |
D X |
|
. |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание.
Очень часто второе неравенство Чебышева дают в такой форме
P |
X mX |
|
x 1 |
D X |
. |
|
|
||||||
|
x |
2 |
||||
|
|
|
|
|
||
|
|
|
|
|
|
Второе неравенство Чебышева показывает, что при малой дисперсии с вероятностью близкой к 1 СВ Х концентрируется около своего МО.
Т е о р е м а (Чебышева):
Если
:
X |
, X |
2 |
,..., X |
n |
1 |
|
|
– независимы и существует С > 0, такая что
D X K
C
, К = 1, 2, …, n, тогда
x 0
|
X |
1 |
X |
n |
|
M X |
M X |
n |
|
|
lim P |
|
|
1 |
|
|
x 0 |
||||
|
n |
|
|
n |
|
|
||||
n |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
Д о к а з а т е л ь с т в о :
Рассмотрим Yn X1 |
... X n |
||||||
Y |
|
M Y |
n |
|
|
|
|
1 P |
n |
|
|
|
x 1 |
||
n |
n |
|
|
||||
|
|
|
|
|
|
и применим к СВ |
Yn |
второе неравенство Чебышева. |
|
n |
|||
|
|
Y |
|
|
|
D |
n |
|
|
n |
|
||
|
|
. |
|
x |
2 |
|
|
|
|
||
|
|
|
1 P ... 1 |
D Y |
|
|
|||
|
|
n |
|
. |
||
n |
2 |
x |
2 |
|||
|
|
|||||
|
|
|
|
В силу аддитивного свойства дисперсии, получаем
1 P ... 1 |
D X |
1 |
... D X |
n |
|
1 |
|
n c |
|
|||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
2 |
x |
2 |
|
|
2 |
x |
2 |
||||
|
|
|
|
n |
|
|
|
n |
||||||
|
|
|
|
|
|
|
|
|
|
|
||||
1 P ... 1 |
c |
|
|
|
|
|
|
|
|
|
|
|
|
|
n x |
2 |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
1 |
X |
n |
|
lim |
P |
|
|
||
|
|
n |
|
||
n |
|
|
|
|
|
|
|
X1 |
X n |
||
lim |
P |
|
|
|
|
|
|
n |
|
||
n |
|
|
|
|
M X |
M X |
n |
|
1 |
|
|
|
|
n |
|
|
M X1 M X n n
x
x
1 |
, |
0 .
Следствие: |
|
|
|
|
|
|
|
|||||
Если |
X1 |
, X |
2 ,..., X n – независимы и одинаково распределены, т.е. |
|||||||||
1, …, n, тогда |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
X |
1 |
X |
n |
|
|
|
|
|
|
|
|
|
|
||||||||
lim |
P |
|
|
|
|
a |
|
x |
1, |
x 0 . |
||
|
|
n |
|
|||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M X K a , а
D X K
2
, где k=
Замечание.
Предельные утверждения, сформулированные в теореме Чебышева и следствии к этой теореме носят название закона больших чисел (ЗБЧ). ЗБЧ утверждает, что с вероятностью приближающейся при n к 1, среднее арифметическое независимых слагаемых при определенных условиях становятся близким к константе.
Из утверждения последнего следствия получаем ЗБЧ в схеме Бернулли.
Т е о р е м а (Бернулли):
Пусть n |
– число успехов при n независимых испытаниях с вероятностью 0 < p < 1 в каждом испытании, |
тогда x 0 : |
|
|
|
|
|
n |
p |
|
|
|
|
|
|||||
lim P |
|
|
|
x 1 . |
|||
|
n |
|
|||||
n |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д о к а з а т е л ь с т в о :
Представим n в виде суммы независимых СВ n X1 ... X n , где X i 1, или при i-ом испытании произошел успех и X i 0 , если при i-ом испытании произошел неуспех.
M X i p .
Применяя следствие к теореме Чебышева, получаем утверждение к теореме Бернулли.
§ 2. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
(ЦПТ).
Известно, что нормально распределенные СВ широко распространены на практике, объяснение дал Ляпунов (ЦПТ).
Если СВ Х представляет собой сумму очень большого числа взаимно независимых СВ влияние каждой из которых на всю сумму ничтожно мало, то СВ Х имеет распределение близкое к нормальному.
Приведем формулировку ЦПТ без доказательства.
Т е о р е м а (ЦПТ):
ные
Если СВ в последовательности X n , n = 1, 2, … независимы, одинаково распределены и имеют конеч-
mX |
|
m , DX |
|
|
2 |
, то |
x R : |
|
|
|
|
|
|
|
|
|
i |
i |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
t |
2 |
|
|
|
P Yn x lim |
|
|
x x |
1 |
|
|
|
|
|
|||||
lim |
|
n |
|
|
e |
2 |
dt , |
|||||||||
|
|
|
||||||||||||||
|
FY |
|
|
|
||||||||||||
n |
|
|
n |
|
|
2 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где
|
X |
1 |
X |
n |
|
|
|
n |
m |
Y |
|
|
|
|
|
|
|
||
n |
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
– стандартизованное среднее арифметическое, n-независимых СВ в последова-
тельности.
Замечание Следствиями ЦПТ являются локальная и интегральная теоремы Муавра-Лапласса.
Критерий |
|
2 |
и его применение. |
|
|
||||
Критерий |
|
2 |
применяется в частности для проверки гипотез о виде распределения генеральной сово- |
|
|
||||
купности. |
|
|
|
|
Процедура применения критерия 2 для проверки гипотезы H0, утверждающей, что СВ Х имеет закон |
||||
распределения |
FX x состоит из следующих этапов. |
|||
Этапы: |
|
|
|
|
1. |
По выборке найти оценки неизвестных параметров предполагаемого закона FX x . |
|||
2. |
Если Х–СВДТ – определить частоты ni , i = 1, 2, …, r, с которым каждое значение встречается в |
выборке.
Если Х–СВНТ – разбить множество значений на r – непересекающихся интервалов 1, ..., 2 и попав-
|
r |
|
|
|
|
ших в каждый из этих интервалов |
ni n . |
|
i 1 |
|
3. Х–СВДТ вычислить pi . Х–СВНТ вычислить pi P X i .
r
i 1
4.
p |
i |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
n |
|
np |
|
|
2 |
|
2 |
|
i |
i |
|
|||
b |
|
|
np |
|
|
|
||
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
.
5.Принять статистическое решение.
2 2 r l 1 – гипотеза Н – принимается. b 1 0
2 2 r l 1 – гипотеза Н – отклоняется. b 1 0
e – количество оцениваемых параметров. Малочисленные частоты надо будет объединять.
Проверка гипотезы о равномерном распределении генеральной совокупности. n = 200
А;
№ |
(xi-1, xi) |
ni |
|
||
|
|
|
|
=0,05 |
|
1 |
2 |
– 4 |
21 |
||
2 |
4 |
– 6 |
16 |
x 12,31 |
|
3 |
6 |
– 8 |
15 |
~ |
|
5,81 |
|||||
4 |
8 – 10 |
26 |
|||
|
|||||
5 |
10 |
– 12 |
22 |
|
|
6 |
12 |
– 14 |
14 |
|
|
7 |
14 |
– 16 |
21 |
|
|
8 |
16 |
– 18 |
22 |
|
|
9 |
18 |
– 20 |
18 |
|
|
10 |
20 |
– 22 |
25 |
|
1.
|
|
|
~ |
|
~ |
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|||
|
|
a |
|
|
|
|
|
|
|
|
|||
x |
|
|
|
|
~ |
x |
~ |
|
~ |
2,26 |
|||
|
|
|
|
2 |
|
|
|||||||
|
|
|
|
a |
3 |
a |
|||||||
|
|
|
~ |
~ |
2 |
|
~ |
x |
~ |
|
~ |
22,36 |
|
|
|
|
|
|
|||||||||
|
~ |
|
|
|
|
b |
3 |
a |
|||||
|
b a |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
0,05 |
|
|
|
~ |
~ |
||
|
|
f * b a |
|
|||
|
|
|
|
|
|
|
|
|
0 |
|
|
||
|
|
|
|
|
|
|
2. npi 200pi |
|
|||||
1 |
|
4 |
|
|
|
|
n |
|
|
|
dx 17,3 |
||
np |
|
|
0,05 |
|||
|
|
2,26 |
|
|
||
|
|
6 |
|
|
|
|
np2 |
n 0,05 dx 20 |
|||||
|
|
4 |
|
|
|
|
np |
2 |
np |
... np 20 |
|||
|
3 |
|
|
|
9 |
|
|
|
|
22,36 |
|
|
|
np10 n |
|
0,05 dx 23,6 |
||||
|
|
|
|
20 |
|
|
n |
i |
np |
|
i |
|
21 |
17,3 |
|
16 |
20 |
|
|
|
2 |
7, 17 |
||
|
|
b |
k = 10 – 2 – 1 = 7
|
2 |
7 14,1 |
|||
0,95 |
|||||
|
|
|
7 |
||
2 |
2 |
||||
|
|
|
|||
|
0,95 |
|
0,95 |
|
n |
|
np |
|
|
2 |
i |
i |
|
|||
|
|
|
|
||
|
|
np |
|
|
|
|
|
1 |
|
|
|
|
|
0,79 |
|
|
|
|
|
0,8 |
|
|
|
– нет основания отвергать гипотезу о том, что выборка взята из генеральной совокуп-
ности и имеет равномерное распределение.
Лекция № 19 Глава 10
Элементы математической статистики
§ 1. Задачи математической статистики. Установления закономерностей, которым подчинены массовые случайные явления основано на изучении методами теории вероятностей статистических данных (результатов наблюдений
1. Задача математической статистики
Указать способы сбора и группировки статистических сведений, полученных в результате наблюдений или в результате специально составленных экспериментов.
2. Задача математической статистики
1) Разработать методы анализа статистических данных в зависимости от целей исследования:
-оценка неизвестной вероятности событий;
-оценка неизвестной функции распределения;
-оценка параметров распределения, вид которого известен;
-оценка зависимости СВ от одной или нескольких других СВ.
2) Проверка статистических гипотез о виде неизвестного распределения или о величине параметров распределения вид, которого известен.
Современную математическую статистику определяют как науку о принятии решений в условиях неопределенности.
§ 2. Выборка и способы ее представления
Математическая статистика позволяет получить обоснованные выводы о параметрах, видах распределений и других свойствах СВ о конечной совокупности наблюдений над этими величинами.
Выборка понимается следующим образом. Пусть СВ Х наблюдается на каком либо эксперименте, повторим этот эксперимент n раз при одинаковых условиях. Получаем X1, X 2 ,..., X n , где каждая X j – СВ со-
ответствующая j-му эксперименту. Очевидно, что X j – независимые в совокупности СВ, причем каждая из этих СВ имеет один и тот же закон распределения, что и СВ Х.
О п р е д е л е н и е .
Закон распределения СВ Х называется распределением генеральной совокупности.
СВ вектор X1,..., X n называется выборочным вектором, а конкретные числа x1, x2 ,..., xn , получаемые
на практике при n кратном повторении эксперимента в неизменных условиях представляет собой реализацию выборочного вектора и называются выборкой объема n.
Что такое вариационный ряд, размах выборки, статистический ряд, группированный статистический ряд, частоты, относительные частоты, накопленные частоты, относительные накопленные частоты, всевозможные полигоны и гистограммы, а также, что такое эмпирическая функция распределения изучили самостоятельно.
§ 3. Числовые характеристики выборки
Пусть x1, x2 ,..., xn выборка объема n из генеральной совокупности с функцией распределения FX x .
Рассмотрим выборочное распределение, т.е. распределение дискретной СВ, принимающей эти значения
с вероятностями, равными
1 n
. Соответственно числовые характеристики этого выборочного распределения
называют выборочными (эмпирическими) числовыми характеристиками.
Замечание.
Выборочные числовые характеристики являются характеристиками данной выборки, но не являются характеристиками распределения генеральной совокупности.
“~” – при обозначении этих числовых характеристик.
~ |
|
n |
|
|
|
|
pi xi |
||||
m X x |
|||||
|
|
i 1 |
|
|
|
~ |
n |
|
x |
2 |
|
|
|
|
|||
D X xi |
|
||||
|
i 1 |
|
|
|
1 n
p |
i |
|
|
|
n |
|
|
|
||
i 1 |
||
1 |
|
|
n |
||
|
xi
n
i 1
.
x |
|
x |
|
|
2 |
|
i |
|
.
~ |
X |
|
1 |
|
i |
|
|
|
|
|
i |
|
|
x 2 |
|
|
|
|
|
|
|
|
|
|
||||
D |
|
|
x |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
n |
|
|
x 2 2x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2n x |
2 |
nx |
2 |
|
|
|
|
|
2 |
n x |
2 |
. |
|
|
|
||||||||
n |
xi |
|
|
|
n |
|
xi |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d X |
– унимодального, т.е. одновершинного распределения называется элемент выборки, встречаю- |
|||||||||||||||||||||||||||
щийся с наибольшей частотой. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
Выборочной медианой называется |
hX |
, которое делит вариационный ряд на две части, содержащие |
||||||||||||||||||||||||||
равное число элементов. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Если n – нечетное число, т.е. n = 2l+1, то |
~ |
x |
l 1 |
. |
|
|
|
|
||||||||||||||||||||
hX |
|
|
|
|
|
|
||||||||||||||||||||||
Если n – четное число, т.е. n = 2l, то |
~ |
|
1 |
x |
l |
x |
l 1 |
. |
|
|
||||||||||||||||||
hX |
2 |
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Можно доказать, что выборочные начальные |
~ |
и центральные |
~ |
моменты порядка s для негруппи- |
||||||||||||||||||||||||
S |
S |
рованных выборок объема и определяются по следующим формулам
1n
~S
S n i 1 xi
~ |
1 |
n |
|
xi x |
S |
||
S |
n |
|
|
|
i 1 |
|
|
|
|
|
.
Форма распределения СВ |
||||||||
|
|
|
|
~ |
|
|
|
|
~ |
|
|
|
|
3 |
~ |
|
|
a |
X |
D |
|
|
e |
X |
||
|
|
~ |
|
3 / 2 |
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
X |
|
|
|
|
характеризуется выборочными коэффициентами асимметрии и эксцесса. |
||||
~ |
|
|
|
|
|
4 |
|
3 . |
|
D |
|
|
||
|
|
|||
~ |
|
|
2 |
|
|
X |
|
|
§ 4. Статистическое описание и вычисление оценок параметров распределения системы двух СВ
Пусть исход некоторого эксперимента описывается двумя СВ (X; Y). |
|
Предварительное представление о зависимости между X и Y можно получить, нанося элементы двумер- |
|
ной выборки xi , yi , |
i 1,..., n , в виде точек на плоскость с выбранной системой координат. Такое пред- |
ставление называется диаграммой рассеяния.
О п р е д е л е н и е .
Распределением двумерной выборки называется распределение двумерного дискретного СВ случайного
вектора, принимающего значения
x |
i |
, y |
i |
|
|
|
|
с вероятностями
1 n
.
Выборочные числовые характеристики вычисляются как соответствующие числовые характеристики двумерного дискретного случайного вектора. Если объем выборки небольшой, то тогда вычисления проводятся в следующей последовательности:
1. xi , yi , xi2 , yi2 , xi yi , xi yi 2 .
Контроль xi yi 2 xi2 2 xi yi yi2 .
2. Суммы квадратов отклонений от среднего и произведения отклонений от среднего
Qx xi x 2 xi2 xi 2 n
Qy yi y 2 yi2 yi 2 n
Q |
xy |
|
|
|
|
3. |
x |
|
|
|
~ |
|
DX |
xi
xi
n
Qx n
x yi y xi yi
y |
yi |
||
|
n |
||
|
|
||
~ |
|
Qy |
|
DY |
|
||
n |
|||
|
|
x |
|
|
i |
|
|
|
n |
|
yi
.
~ |
QXY |
. |
~ |
QXY |
||
K XY |
n |
XY |
Q |
|
Q |
|
|
|
|
X |
|||
|
|
|
|
Y |
||
|
|
|
|
|
§ 5. Линии регрессии
Для СВ X и Y.
.
Регрессией Y на X называется условное МО
M Y X
x
x
.
x
используется для предсказания значения СВ Y по фиксированному значению СВ X.
Если M Y X x 0 1x , то говорят о линейной регрессии Y на X. y 0 1x – прямая регрессии.
Оценки параметров линейной регрессии по выборке xi , yi , где i 1,..., n
МНК из условия минимума суммы
, можно получить, используя
|
|
|
|
|
|
|
n |
Q 0 , 1 |
|||||||
|
|
|
|
|
|
|
i 1 |
|
~ |
|
|
Qxy |
|
||
|
1 |
|
|
|
|
|
|
|
Qx |
|
|||||
|
|
|
|
|
|
||
|
~ |
|
|
|
~ |
|
|
|
0 |
y 1 x |
|||||
|
|
~ |
|
~ |
x |
||
y |
0 |
|
|||||
|
|
|
1 |
|
yi 0 1 xi |
2 |
. |
|
– выборочные коэффициенты регрессии.
|
~ |
|
|
~ |
D |
x x . |
|
Y |
|||
y y XY |
~ |
|
|
|
D |
X |
|
|
|
|
Выборочная линейная регрессия Y на X. Аналогично рассматривается X на Y.
~~
0 , 1
|
|
~ |
|
~ |
y |
|
|
|
|||||
x |
|
|
|
|
|||||||||
|
|
|
0 |
|
|
1 |
|
|
|
|
|
||
~ |
|
Q |
XY |
~ |
|
~ |
y . |
||||||
|
|
|
|
|
|
|
|
|
x |
||||
1 |
|
Q |
|
0 |
1 |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|
~ |
|
|
|
~ |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
||||||
|
1 |
|
1 |
|
XY |
|
|
|
|
|
Обе прямые регрессий пересекаются в точке с координатами x, y .
Угол между этими двумя прямыми уменьшается при увеличении коэффициента корреляции.
~ |
|
|
|
|
|
|
При XY 1 обе прямые совпадают. |
|
|
||||
Замечание. |
|
|
|
|
|
|
~ |
~ |
~ |
|
~ |
|
|
Прямые y 0 |
1 |
|
|
y |
||
x и x 0 |
1 |
должны быть различны.
~ |
~ |
x |
|
y |
0 |
|
|
|
1 |
|