- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
7.2. Коэффициент корреляции и корреляционное отношение.
При изучении корреляционных связей возникают три основных вопроса: наличие связи, форма связи и сила связи. Ответы на эти вопросы могут быть получены с помощью коэффициента корреляции xy = M{[ x – M(x )][y – M(y)]}/ x y и корреляционного отношения y = M(y/x) / y, которые обладают следующими важными свойствами:
1. Если коэффициент корреляции xy равен плюс или минус единице, xy = 1, то между X и Y существует функциональная линейная связь вида y = ax + b.
2. Если xy = 0, между X и Y не может существовать прямолинейной корреляционной связи, но криволинейная связь возможна.
3. Чем ближе xy к 1, тем точнее и теснее корреляционная прямолинейная связь между X и Y . Она ослабевает с приближением xy к нулю.
4. Если корреляционное отношение y =0, то между X и Y нет корреляционной связи.
5. Если y = 1, то Y функционально зависит от Х, т.е. всякому допустимому значению Х соответствует одно определенное значение Y.
6. Чем ближе y к единице, тем теснее связь между переменными X и Y.
7. Если y = xy , то между переменными существует только линейная связь.
Коэффициент корреляции xy и корреляционное отношение y являются теоретическими параметрами. Их эмпирическими аналогами или оценками служат выборочный коэффициент корреляции rxy и выборочное корреляционное отношение y. Вычисление и анализ rxy и y составляют основу первого этапа анализа взаимосвязи между случайными величинами. Этот этап носит название корреляционного анализа. Затем проводится регрессионный анализ, основная цель которого- определение аналитического выражения взаимосвязи между исследуемыми переменными, т.е. уравнения регрессии.
7.3. Корреляционный анализ
Для вычисления коэффициента корреляции и корреляционного отношения предварительно составляются корреляционные таблицы. По характеру таблицы можно ориентировочно судить о наличии или отсутствии корреляционной связи между переменными. Например, по двум приведенным ниже таблицам можно сказать, что в первом случае такая связь может быть обнаружена, а во втором ее нет.
X
Y |
1
|
2 |
3 |
4 |
|
X
Y |
1 |
2 |
3 |
4 |
1 2 3 4 5 |
1 2 1 - - |
- 1 2 1 - |
- - 1 2 1 |
- - - 1 2 |
|
1 2 3 4 5 |
1 1 1 1 1
|
3 3 3 3 3
|
3 3 3 3 3 |
1 1 1 1 1 |
Имея корреляционную таблицу, в каждой клетке которой указана частота некоторой пары значений Х и Y вычисляют величину Сxy:
Cxy = nxy( x - )( y - )/n.
Величина Cxy носит название ковариации X и Y . Частное от деления величины Cxy на произведение средних квадратических отклонений величин Sx и Sy представляет собой выборочный коэффициент корреляции:
rxy = Cxy / Sx Sy.
Для упрощения вычислений ковариации Cxy, а также Sx и Sy можно пользоваться следующими формулами:
Cxy = ( x nxy y)/ n - ;
Sx = ;
Sy = ;
где nx и my - частоты соответствующих значений x и y. Корреляционное отношение y вычисляется по формуле:
y = S / Sy ;
где Sy - среднее квадратическое отклонение значений y от средней ,
S - среднее квадратическое отклонение значений частной средней x от общей средней , т.е.
S = .
Если на основании анализа коэффициента корреляции и корреляционного отношения установлено наличие прямолинейной корреляционной связи между Y и X, то эту связь можно выразить в виде следующего уравнения:
x - = ( rxy Sy / Sx )( x - ) = b ( x - ); (7.1)
где b = rxy Sy / Sx называется коэффициентом регрессии Y на X.
Уравнение (7.1) часто представляют в виде x = a + bx.
Если в результате расчета получено небольшое значение rxy, то может возникнуть вопрос, не случайно ли значение rxy отличается от нуля и не равен ли действительный коэффициент корреляции нулю. Этот вопрос разрешается сравнением численного значения rxy с Sr. Приближенно можно считать, что среднее квадратическое отклонение Sr коэффициента корреляции rxy численно равно
Sr = (1 - r ) / .
Когда действительное значение коэффициента корреляции rxy равно нулю, то
Sr= 1 / .
Поэтому, если
| rxy | / Sr = | rxy | 3 ,
то можно считать rxy значащим, а связь реальной, если же
| rxy | < 3 ,
то можно предполагать, что линейная связь между переменными отсутствует, но возможна криволинейная.