- •Экзаменационные вопросы по дисциплине «Теория вероятностей и математическая статистика»
- •Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии.
- •50. Доверительный интервал для дисперсии нормального распределения при известном и неизвестном математическом ожидании.
- •51. Доверительное оценивание вероятности (генеральной доли признака) – параметра биномиального распределения.
- •52. Понятие «статистическая гипотеза». Статистический критерий. Статистика критерия. Область отвержения гипотезы.
- •53. Ошибки первого и второго рода. Уровень значимости и мощность статистического критерия. Наиболее мощный критерий. Условия, определяющие критическую область наиболее мощного критерия.
- •54. Этапы процедуры проверки статистической гипотезы с помощью критерия заданного уровня значимости.
- •55. Проверка гипотезы о числовом значении математического ожидания (генеральной средней) нормального распределения.
- •56. Проверка гипотезы о числовом значении дисперсии нормального распределения.
- •57. Проверка гипотезы о числовом значении вероятности (генеральной доли признака) – параметра биноминального распределения.
- •58. Проверка гипотезы о равенстве математических ожиданий (генеральных средних) двух нормальных распределений.
- •59. Проверка гипотезы о равенстве дисперсий двух нормальных распределений.
- •60. Проверка гипотезы о равенстве вероятностей (генеральных долей признака) для двух биномиально распределённых генеральных совокупностей.
- •Предпосылки корреляционного анализа
- •Двумерная корреляционная модель
- •Уравнения линейной парной регрессии
- •Интервальная оценка коэффициента корреляции
- •Этапы определения ди(доверительного интервала) для коэффициента корреляции
- •Доверительные интервалы для коэффициентов регрессии
- •Частный коэффициент корреляции
- •Выборочный частный коэффициент корреляции
- •Множественный коэффициент корреляции
- •Свойства множественного коэффициента корреляции
- •Выборочный множественный коэффициент корреляции
- •Проверка значимости коэффициентов связи а) для частного коэффициента корреляции
- •Б) для множественного коэффициента корреляции
- •Уравнения регрессии для трехмерной корреляционной модели
Выборочный частный коэффициент корреляции
Точечная оценка определяется по формуле:
,
здесь - минор элемента выборочной корреляционной матрицы .
В случае трехмерной корреляционной модели для переменных находятся три частных коэффициента корреляции:
;
;
.
называется частным коэффициентом детерминации.
Величина есть доля дисперсии переменной , обусловленная вариацией при фиксированных остальных рассматриваемых переменных.
Множественный коэффициент корреляции
Мерой тесноты линейной взаимосвязи между переменной и совокупностью остальных переменных служит множественный коэффициент корреляции:
,
Где - определитель матрицы ;
- минор -го элемента главной диагонали матрицы .
Если , то множественный коэффициент корреляции совпадает с абсолютным значением парного коэффициента корреляции , т.е. есть обобщение .
По величине множественного коэффициента корреляции делается вывод о тесноте, но не о направлении взаимосвязи.
Свойства множественного коэффициента корреляции
- Численное значение множественного коэффициента корреляции заключено между нулем и единицей:
.
- Если , то переменная связана с остальными рассматриваемыми случайными величинами линейной функциональной зависимостью.
Например, для трехмерной корреляционной модели, если , то точки расположены в плоскости регрессии на .
- Если , то случайная величина стохастически независима от других переменных, входящих в анализ.
В частности, если , то одномерная случайная величина и двумерная случайная величина являются независимыми (в силу нормальности их совместного распределения).
- Множественный коэффициент корреляции не уменьшается при введении в модель дополнительных признаков и не увеличивается при исключении отдельных признаков из модели.
- По величине множественный коэффициент корреляции переменной не меньше абсолютной величины частного коэффициента корреляции данной и любой другой переменной :
.
Выборочный множественный коэффициент корреляции
В качестве точечной оценки принимается
.
где - минор -го элемента главной диагонали выборочной корреляционной матрицы .
В случае трехмерной корреляционной модели для переменных вычисляются три множественных коэффициента корреляции:
;
;
.
называется множественным коэффициентом детерминации.
Множественный коэффициент детерминации показывает долю дисперсии исследуемой случайной величины , обусловленную изменением остальных переменных .
Коэффициент детерминации - квадрат линейного коэффициента корреляции, рассчитываемый для оценки качества подбора линейной функции.
№2
Парные коэффициенты корреляции. Для измерения тесноты связи между двумя из рассматриваемых переменных (без учета их взаимодействия с другими переменными) применяются парные коэффициенты корреляции. Методика расчета таких коэффициентов и их интерпретации аналогичны линейному коэффициенту корреляции в случае однофакторной связи.
где - среднее квадратическое отклонение факторного признака;
- среднее квадратическое отклонение результативного признака.
Коэффициент частной корреляции измеряет тесноту линейной связи между отдельным фактором и результатом при устранении воздействия прочих факторов модели.
Для качественной оценки тесноты связи можно использовать следующую классификацию:
0.1- 0.3- слабая связь
0.3-0.5 – умеренная связь
0.5-0.7- заметная связь
0.7-0.9- тесная связь
0.9-0.99- весьма тесная
Для расчета частных коэффициентов корреляции могут быть использованы парные коэффициенты корреляции.
Для случая зависимости Y от двух факторов можно вычислить 2 коэффициента частной корреляции:
(2-ой фактор фиксирован);
(1-ый фактор фиксирован).
Это коэффициенты частной корреляции 1-ого порядка (порядок определяется числом факторов, влияние которых на результат устраняется).
Частные коэффициенты корреляции, рассчитанные по таким формулам изменяются от -1 до +1. Они используются не только для ранжирования факторов модели по степени влияния на результат, но и также для отсева факторов. При малых значениях нет смысла вводить в уравнение m-ый фактор, т.к. качество уравнения регрессии при его введении возрастет незначительно (т.е. теоретический коэффициент детерминации увеличится незначительно).
Совокупный коэффициент множественной корреляции или индекс множественной корреляцииопределяет тесноту совместного влияния факторов на результат:
где остаточная дисперсия;
или
. Он принимает значения от 0 до 1 (в отличие от парного коэффициента корреляции, который может принимать отрицательные значения, R используется без учета направления связи). Чем плотнее фактические значения располагаются относительно линии регрессии, тем меньше остаточная дисперсия и, следовательно, больше величина . Таким образом, при значении Rблизком к 1, уравнение регрессии лучше описывает фактические данные и факторы сильнее влияют на результат; при значении R близком к 0 уравнение регрессии плохо описывает фактические данные и факторы оказывают слабое воздействие на результат.
При трех переменных для двух факторного уравнения регрессии данная формула совокупного коэффициента множественной корреляции легко приводится к следующему виду:
Чем R ближе к единице, тем совокупное влияние изучаемых показателей x1 и x2 на результативный фактор y больше (корреляционная связь более интенсивная).
Множественный (совокупный) коэффициент детерминации определим как квадрат множественного коэффициента корреляции. Показывает, какая доля вариации изучаемого показателя объясняется влиянием факторов, включенных в уравнение множественной регрессии. Его значение - в пределах от нуля до единицы. Чем ближе множественный коэффициент детерминации к единице, тем вариация изучаемого показателя в большей мере характеризуется влиянием отобранных факторов.
№3
Корреляционный анализ является одним из методов статистического анализа взаимозависимости нескольких признаков.
Основная задача корреляционного анализа состоит в оценке корреляционной матрицы генеральной совокупности по выборке и определении на основе этой матрицы частных и множественных коэффициентов корреляции и детерминации.
Парный и частный коэффициенты корреляции характеризуют тесноту линейной зависимости между двумя переменными соответственно на фоне действия и при исключении влияния всех остальных показателей, входящих в модель. Они изменяются в пределах от -1 до +1, причем чем ближе коэффициент корреляции к 1, тем сильнее зависимость между переменными. Если коэффициент корреляции больше нуля, то связь положительная, а если меньше нуля — отрицательная.
Множественный коэффициент корреляции характеризует тесноту, линейной связи между одной переменной (результативной) и остальными, входящими в модель; он изменяется в пределах от 0 до 1.
Квадрат множественного коэффициента корреляции называется множественным коэффициентом детерминации. Он характеризует долю дисперсии одной переменной (результативной), обусловленной влиянием всех остальных переменных (аргументов), входящих в модель.
67. Проверка значимости частного и множественного коэффициентов корреляции.