43. Одновыборочные и двухвыборочные критерии. Сравнение параметров биноминальных и пуассоновских распределений.

Одновыборочный критерий позволяет сравнить среднее значение в выборке с заданным числом. Исследует, отличается ли средняя переменной от некоторой гипотетической величины. Двухвыборочные критерии проверяет нулевую гипотезу, что две средние от независимых групп равны Для проверки нулевой гипотезы используют специально подобранную величину, точное и приближенное распределение которой известно. Эту величину обозначают через Т, если она распределена нормально . Поскольку при разложении материала вид распределения во внимание не принимается обозначим эту величину через K. Статистическим критерием называют величину К, которая служит для проверки нулевой гипотезы. Для проверки гипотезы по данным выборок вычисляют частичные значения входящие в критерий величин и таким образом получают частное (наблюдаемое) значение критерия. Если табличное значение критерия ниже фактического, то подтверждается вывод о достоверности связи между признаками.

Закон распределения дискретной случайной величины называется биноминальным если вероятности возможных ее значений равны соответствующим членам разложения бинома Пуассоновское распределение- это распределение дискретной вероятности случайной переменной, представляющей число явлений, происходящих случайно и независимо с фиксированной средней частотой. 

44. Линейный регрессионный анализ. Множественная линейная регрессия.

Регрессия- это зависимость какой-либо величины от некоторой другой величины. Линейный регрессионный анализ позволяет получить предсказание значений зависимой переменной на основе значений независимых переменных. В отличие от чисто функциональной зависимости у = f(х), когда каждому значению независимой переменной х соответствует одно определённое значение величины у, при регрессионной связи одному и тому же значению х могут соответствовать в зависимости от случая различные значения величины у. Множественная линейная регрессия в которой одна зависимая переменная и две независимые переменные или более. Уравнение регрессии Экспериментальные данные представляют в виде корреляционной таблицы. Наносят на координационные точки оси абцисс общие значения признака Х, а по сои ординат результативный признак Y. Множество точек полученных таким образом, называют корреляционным облачком. По форме расположения определяют характер зависимости. Вычисляют параметр уравнения линейной регрессии. Соответствующая прямая – выборочная линия регресии. В этом случае одинаковое превращение любого значение факторного признака Х, вызывают одинаковые изменения результативного признака Y. Корреляция это мера зависимости между двумя величинами. Чем выше коэффициент корреляции от -1 до 1 тем больше зависимость. решение уравнения результаты , уравнение регрессии имеет вид Величина а₀ = 3,02 в уравнении регрессии не имеет смысла. Коэффициент регрессии а₁ = 0,09 характеризует изменение настрига шерсти по данной совокупности в зависимости от длины волос. При увеличении или уменьшении настрига шерсти овцы, соответственно увеличивается или уменьшается длина на 0,09 см.

Полученное уравнение регрессии, кроме оценки влияния уровня длины шерсти на настриг волос, позволяет прогнозировать ее в зависимости от величины данного фактора. При этом, уровень длины шерсти должен находиться в пределах его изменения в исходной выборочной совокупности.