
- •§1. Первичная обработка результатов наблюдений
- •§2. Расчет выборочных характеристик статистического распределения
- •§3. Интервальные (доверительные) оценки параметров распределения
- •§4. Построение кривой нормального распределения по опытным данным
- •§5. Проверка статистических гипотез
- •§8. Понятие корреляционной зависимости. Задачи теории корреляции
- •§9. Парная линейная корреляция
- •§10. Коэффициент корреляции, его свойства и значимость
- •§11. Определение надежности (доверительного интервала) коэффициента корреляции
- •§12. Коэффициент корреляции
- •§13. Проверка адекватности модели
- •§14. Оценка величины погрешности линейного однофакторного уравнения
- •§15. Лабораторная работа № 3 Построение модели линейной регрессии для несгруппированных данных
- •§16. Лабораторная работа №4
- •§17. Нелинейная корреляционная зависимость
- •§18. Определение силы криволинейной связи
- •§19. Проверка адекватности модели
- •Контрольные вопросы
- •§20. Лабораторная работа № 5
- •Выполнение работы
- •§21. Множественная регрессия
- •§22. Измерение тесноты связи множественной линейной регрессии
- •§23. Проверка адекватности модели множественной регрессии
- •§24. Экономическая интерпретация уравнения регрессии
§8. Понятие корреляционной зависимости. Задачи теории корреляции
В новых условиях хозяйственной деятельности предприятий возрастает роль экономико-математических методов для управления производством. Управление производством — это сложный динамический процесс. Поэтому при выработке оптимального решения по управлению производственно-хозяйственной деятельностью предприятия необходимо не только учитывать изменения параметров и характеристик, описывающих эту деятельность, но и уметь их прогнозировать, основываясь на экономических законах, которые наиболее полно отражают взаимосвязи основных показателей предприятия и его подразделений. Математическая формализация этих связей создает условия для экономического обоснования целесообразных объемов производимой продукции, определения ее качественных показателей и условий эффективного использования ресурсов.
Для решения этих задач применяют методы корреляционного анализа. При анализе зависимостей между производственными показателями методом корреляционного анализа выделяют два основных типа переменных количественных признаков: независимые переменные (факторные признаки) и зависимые переменные (результативные признаки).
При изучении взаимосвязей между переменными признаками надо, прежде всего, установить, к какому типу зависимостей относится эта связь.
Зависимость между
признаками
и
называется корреляционной, если каждому
возможному значению
признака
сопоставляется условная средняя
соответствующего распределения признака
.
Среднее арифметическое
значение признака
,
вычисленное при условии, что признак
принимает фиксированное значение
,
называется условным средним, обозначается
через
и вычисляется по формуле
(42)
где
— частоты, показывающие сколько раз
повторяются парные значения
,
в данной выборке,
— частота появления признака
.
Теория корреляции изучает такую зависимость между признаками и , при которой с изменением одного признака меняется распределение другого. Она применяется для того, чтобы при сложном взаимодействии посторонних факторов выяснить, какова должна быть зависимость между признаками и , если бы посторонние факторы не изменялись и своим изменением не искажали истинную статистическую зависимость.
В теории корреляции
решаются две задачи. Первая задача
состоит в выявлении на основе опытных
данных характера корреляционной
зависимости между признаками
и
.
При парной корреляции для ее решения
применяют графический метод. В системе
координат
состоят корреляционное поле. Если точки
хорошо ложатся на прямую, то связь между
признаками
и
носит линейный характер. Если точки в
корреляционном поле хорошо ложатся на
кривую, то связь будет криволинейной.
Исходя из геометрических соображений,
выбирают уравнение линии, которые
называют уравнением регрессии, и находят
неизвестные параметры, входящие в
уравнение. Вторая задача состоит в
определении тесноты связи между
признаками, включенными в модель, путем
вычисления коэффициента корреляции
в случае линейной корреляции или
корреляционных отношений
в случае криволинейной корреляции.
Здесь же решается вопрос об адекватности,
построенной корреляционной модели
(проверяется соответствие полученного
уравнения регрессии опытным данным).