- •Елементи теорії ймовірностей
- •§1. Означення ймовірності
- •Простіші властивості ймовірності
- •Класичне означення ймовірності
- •VII. Геометрична ймовірність.
- •VIII. Умовна ймовірність. Формула Байєса.
- •§2. Послідовності незалежних випробувань
- •I. Послідовність незалежних випробувань.
- •II. Схема Бернуллі
- •Iіi. Граничні теореми у схемі Бернуллі
- •§3. Випадкові величини
- •II. Дискретна випадкова величина
- •III. Неперервна випадкова величина
- •§4. Нормальний розподіл та його властивості
- •§5. Кореляція
- •V. Кореляційний момент:
- •Vі. Коефіцієнт кореляції
- •Vіі. Лінійна регресія -
- •Елементи математичної статистики
- •§1 Вибірка та її характеристики
- •Варіаційний ряд.
- •Емпірична (вибіркова) функція розподілу
- •Полігон частот
- •Гістограма
- •§2 Задача перевірки статистичних гіпотез
- •Гіпотеза про параметри нормального розподілу : .
- •Гіпотеза про параметри нормального розподілу : .
- •Гіпотеза про закон розподілу. Критерій Колмогорова.
- •§3. Довірчі інтервали
- •§4. Вибіркова кореляція
- •§5. Значущість вибіркового коефіцієнту кореляції
- •§6. Критерій , як критерій незалежності ознак
§5. Кореляція
І. Випадковий вектор
Вектор , де - випадкові величини, називається випадковим вектором.
ІІ. Закон розподілу дискретного двовимірного випадкового вектору
Припустимо, що дві дискретні випадкові величини приймають наступні значення:
Сумісний закон розподілу двох величин (двовимірного випадкового вектору):
.
Задається або таблицею:
|
Σ |
|||
… |
||||
… |
||||
… |
… |
… |
… |
… |
… |
||||
Σ |
… |
1 |
де сума по рядках: - закон розподілу ,
сума по стовпчиках: - закон розподілу ,
або формулою.
ІІІ. Умовний закон розподілу:
:.
:.
Випадкові величини та незалежні, якщо умовні закони розподілу співпадають з безумовними:
,
.
ІV. Умовне математичне сподівання. Регресія
Як бачимо, умовне мат. сподівання однієї величини є функцією від значень другої величини. Ця функція називається регресією.
Функція регресії на :
Функція регресії на :
V. Кореляційний момент:
Обчислення
Легко показати, що
Обчислення
Якщо величини та незалежні, кореляційний момент дорівнює нулю.
Vі. Коефіцієнт кореляції
де , - середні квадратичні відхилення величин та .
Величини та корельовані, якщо .
Величини та некорельовані, якщо .
Якщо величини корельовані, то вони залежні, некорельовані величини можуть бути як залежними, так і незалежними.
Зауваження. Коефіцієнт кореляції не може бути по модулю більше одиниці.
Vіі. Лінійна регресія -
- лінійне наближення до функції регресії.
Лінійна регресія на : функція регресії замінюється лінійною функцією регресії .
Коефіцієнт регресії на
Лінійна функція регресії на :
Пряма з рівнянням
називається прямою лінійної регресії на .
Найбільш імовірна помилка, що виникає під час заміни регресії на лінійну регресію оцінюється через залишкове відхилення відносно
.
Лінійна регресія на : функція регресії замінюється лінійною функцією регресії .
Коефіцієнт регресії на
Лінійна функція регресії на
Пряма з рівнянням
називається прямою лінійної регресії на .
Найбільш імовірна помилка, що виникає під час заміни регресії на лінійну регресію оцінюється через залишкове відхилення відносно
.
Точка перетину прямих регресії з координатами називається центром сумісного розподілу та .
Приклад.
Задано таблицею сумісний розподіл випадкових величин та . Знайти розподіли та , регресію та лінійну регресію на та на .
|
Σ |
|||
0,10 |
0,30 |
0,20 |
0,60 |
|
0,06 |
0,18 |
0,16 |
0,40 |
|
Σ |
0,16 |
0,48 |
0,36 |
1 |
Знайдемо суми по рядках та по стовпчиках. Отримаємо закони розподілу випадкових величин та .
0,16 |
0,48 |
0,36 |
0,60 |
0,40 |
Знайдемо умовні закони розподілу.
:.
:.
Умовні мат. сподівання.
Знайдені сукупності чисел складають відповідно регресії на та на .
Знайдемо лінійні регресії на та на .
Обчислимо за законами розподілу мат. сподівання та дисперсії та :
Обчислимо мат. сподівання добутку величин та :
Обчислимо кореляційний момент
Коефіцієнт кореляції
Коефіцієнти регресії
Лінійна регресія на
Пряма регресії на
або
Залишкове відхилення відносно
Лінійна регресія на
Пряма регресії на
або
Залишкове відхилення відносно
.
Центр сумісного розподілу та : .
Порівняємо значення функцій регресії та наближених функцій лінійної регресії:
Як бачимо, отримані значення дуже добре узгоджуються між собою.
Зауваження. Аналогічні співвідношення існують і для неперервних випадкових величин (див., наприклад, [1]).