
- •45) Распределением 2
- •46) Распределением Фишера
- •47) Распределением Стьюдента
- •35) Неравенство Маркова. Неравенство Чебышева.
- •41. Построение интер. Вариационного ряда. Гистограмма.
- •39. Генеральная совокупность в математической статистике.
- •44. Статистическая гипотеза
- •33. Закон распределения функции случайной величины
- •43.Числовые характеристики выборочной характеристики и их свойства.
- •31. Линейная зависимость двух случайных величин
- •32. Условные числовые характеристики двумерной случайной величины. Регрессия.
- •48.Точечные параметры законов распределения
- •50. Метод наиб правдоподобия.
- •51. Интервальная оценка параметра распределения
- •53. Дисперсионный анализ и Регрессионый анализ
53. Дисперсионный анализ и Регрессионый анализ
Дисперсионный анализ позволяет устанавливать степень влияния факторов на изменчивость признака. При этом устанавливается только существенное влияние. Количество факторов может быть различным, исходя из этого, различают однофакторный дисперсионный анализ, двухфакторный дисперсионный анализ и т.д. Влияние факторов может быть двояким. Они могут изменять как истинный результат (среднее) наблюдений, и дисперсию этих наблюдений.
Допустим, что существует стохастическая зависимость переменной Y от X . Зафиксируем некоторое значение x переменной X .
При X = xпеременная Y , в силу ее стохастической зависимости от X , может принять любое значение из некоторого множества, причем, какое именно, заранее неизвестно. Среднее значение этого множества будет представлять собой математическое ожидание случайной величины Y при условии, что X = x , т.е. M(Y / X = x) . Если при изменении значения x изменяются условные математические ожидания M(Y / X = x) , то говорят, что имеет место корреляционная зависимость величины Y от X , в противном случаеговорят об отсутствии корреляционной зависимости. Уравнение f (x) = M(Y / X = x) , описывающее изменение условного математического ожидания зависимой случайной переменной Y при изменении значений x переменной X , называется уравнением регрессии, а функция y f (x) – функцией регрессии.