- •Кафедра “Прикладная и вычислительная математика”
- •Е.А. Коган
- •Москва 2007
- •Теорема сложения вероятностей для несовместных событий.
- •3.6. Показательный (экспоненциальный ) закон распределения
- •5. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ ТЕОРИИ ВЕРОЯТНОСТЕЙ
- •Пусть имеется последовательность независимых случайных величин
- •Теорема Бернулли
- •Часть вторая
- •МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •В настоящем пособии рассмотрены основные понятия математической статистики, наиболее часто используемые и определяемые в процессе статистической обработки опытных данных. Даны 30 вариантов домашнего задания для самостоятельной работы студентов.
- •6. ОСНОВНЫЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •Свойства
- •По формуле (7.3) имеем
- •При этом
- •Замечания.
- •Итак, выборки должны содержать не менее 60 лампочек.
- •Плотность вероятностей распределения Стьюдента равна
- •Поэтому вероятность осуществления неравенства (7.10) равна
- •Сумма всех частот (общее число наблюдений) равна
- •Интервалы Δ, мк
- •Значения Y
- •Согласно методу наименьших квадратов неизвестные параметры ai выбираются так, чтобы сумма квадратов отклонений была минимальной
- •Из (10.9) следует, что
- •ВАРИАНТ 1
- •ВАРИАНТ 2
- •ВАРИАНТ 3
- •ВАРИАНТ 4
- •ВАРИАНТ 5
- •ВАРИАНТ 6
- •ВАРИАНТ 7
- •ВАРИАНТ 8
- •ВАРИАНТ 9
- •ВАРИАНТ 10
- •ВАРИАНТ 12
- •ВАРИАНТ 13
- •ВАРИАНТ 14
- •ВАРИАНТ 15
- •ВАРИАНТ 16
- •ВАРИАНТ 17
- •ВАРИАНТ 18
- •ВАРИАНТ 19
- •ВАРИАНТ 20
- •ВАРИАНТ 21
- •ВАРИАНТ 22
- •ВАРИАНТ 23
- •ВАРИАНТ 24
- •ВАРИАНТ 25
- •ВАРИАНТ 26
- •ВАРИАНТ 27
- •ВАРИАНТ 28
- •ВАРИАНТ 29
- •ВАРИАНТ 30
138
Сумма всех частот (общее число наблюдений) равна
t |
s |
s t |
|
n = ∑nx j |
= ∑nyi |
= ∑∑ni j |
(10.1) |
j=1 |
i=1 |
i=1 j=1 |
|
и помещается в правом нижнем углу таблицы.
Общие средние арифметические переменных x и y равны соответст-
венно
|
|
|
|
t |
|
|
|
s t |
|
|
|
|
|
|
∑xjnx j ∑∑xjni j |
||||||
|
|
= |
|
j=1 |
|
= |
i=1 j=1 |
|
, |
|
|
x |
|||||||||
|
|
n |
|
n |
|
|||||
|
|
|
|
|
|
|
|
|
||
|
|
|
|
s |
|
|
s t |
|
|
|
|
|
|
∑yi nyi |
|
|
∑∑yi ni j |
|
|
||
y = |
i=1 |
= |
i=1 j=1 |
. |
|
|||||
|
|
|
|
n |
|
|
|
n |
|
|
Корреляционная таблица наглядно показывает распределение значения Y для каждого значения X (и наоборот) и является статистическим аналогом таблицы распределения вероятностей системы двух случайных величин.
Рассмотрим, например, распределение значений Y при X =xj (см. таблицу 13)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 13 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Значения Y |
y1 |
|
y2 |
|
. . . |
|
yi |
|
. . . |
|
ys |
|
Всего |
|||
|
Частоты |
n1j |
|
n2j |
|
. . . |
|
nij |
|
. . . |
|
nsj |
|
nxj |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Средняя арифметическая этого распределения называется условной |
||||||||||||||||
(групповой) средней переменной Y для данного значения |
xj и обозна- |
||||||||||||||||
чается через y j . Очевидно, что |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑yi ni j |
|
|
|
|
|
|
|
|
||||
|
|
|
y j = |
i=1 |
|
|
|
( j =1,2,...,t) |
|
(10.2) |
|||||||
|
|
|
nx j |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Каждому отдельному значению |
xj |
переменной |
X соответствует |
вполне определенное значение условной средней y j переменной Y, то есть
139
y j = f (x). Следовательно, статистическая зависимость между y j и X яв-
ляется корреляционной.
Аналогично, средняя арифметическая всех наблюдавшихся значений X при условии Y = yi называется условной (групповой) средней переменной X для данного значения yi :
t
∑x j ni j
xi = |
i=1 |
|
(i=1,2,...,s), |
(10.3) |
|
n |
|||
|
|
|
|
причем xi =ϕ(y).
Условные средние являются статистическим аналогом условных математических ожиданий в теории вероятностей.
Уравнение yj = f (x) называется выборочным (или эмпирическим)
уравнением регрессии Y на X, функция f(x) называется выборочной регрессией Y на X, а ее график – выборочной линией регрессии Y на X.
Аналогично, уравнение xi =ϕ(y) называется выборочным уравнением регрессии X на Y; функция ϕ(y) - выборочной регрессией X на Y, а ее график
– выборочной линией регрессии X на Y .
Двумя основными задачами теории корреляции являются:
- изучение зависимости условных средних y j от X ( и соответственно xi от Y), то есть установление вида функции регрессии,
- оценка силы (тесноты) корреляционной зависимости между величинами
X и Y.
10.2. Отыскание приближенной линии регрессии по эмпирическим данным
Отметим, прежде всего, одно важное свойство линии регрессии. Можно показать, что справедлива следующая теорема: среднее значение суммы квадратов отклонений ∆ величин yi от выборочной линии регрессии y j = f (x) меньше, чем от графика любой другой функции.
По опытным данным можно построить эмпирическую (“истинную”) линию регрессии, но она представляет собой ломаную линию, и уравнение еë для практического использования непригодно. Поэтому обычно строят