- •Курс «Математическая статистика»
- •Генеральная и выборочная совокупности
- •Статистический ряд
- •Статистическая функция распределения
- •Полигон и гистограмма
- •Характеристики генеральной совокупности
- •Характеристики статистического ряда
- •Статистические оценки параметров распределения
- •Оценка для математического ожидания
- •Оценка для дисперсии
- •Интервальные оценки параметров распределения
- •Доверительные оценки параметров нормального распределения
- •Доверительные интервалы для математического ожидания при известном среднем квадратическом отклонении
- •Доверительные интервалы для математического ожидания при неизвестном среднем квадратическом отклонении , распределение Стьюдента
- •Доверительный интервал для среднего
- •Построение нормальной кривой по опытным данным
- •Проверка гипотез нормальности распределения
- •Преобразование распределений к нормальному
- •Методы построения парных зависимостей по экспериментальным данным
- •Две основные задачи теории корреляции
- •Методы построения, преобразования и оценки парных зависимостей по экспериментальным данным
- •Парная корреляция Статистическое оценивание парной корреляции и регрессии
- •1.3.4. Корреляционная таблица
- •Построение прямых линий регрессии по сгруппированным данным
- •Свойства коэффициента корреляции
- •1.3.7. Упрощение вычисления выборочного коэффициента корреляции.
- •1.3.8. Выборочное корреляционное отношение
- •1.3.9. Нелинейная парная регрессия
- •1.3.10. Оценивание тесноты корреляционной связи
Свойства коэффициента корреляции
Выборочный коэффициент корреляции имеет важное самостоятельное значение и обладает следующими свойствами.
Абсолютная величина выборочного коэффициента корреляции не превосходит единицы, т.е.
.Если
и выборочные линии регрессии – прямые,
то Х
и Y
не связаны линейной корреляционной
зависимостью. В этом случае признаки
Х
и Y
могут быть связаны или нелинейной
корреляцией или даже функциональной
зависимостью.Если абсолютная величина
равна единице, то наблюдаемые значения
признаков связаны линейной функциональной
зависимостью.С возрастанием абсолютной величины линейная корреляционная зависимость становится более тесной и при
переходит в функциональную зависимость.
Таким образом, выборочный коэффициент корреляции характеризует тесноту линейной связи между количественными признаками в выборке: чем ближе он к единице, тем связь сильнее, чем ближе к нулю, тем связь слабее.
П р и м е р
Найдем уравнения прямых (прямой и обратной) регрессии по сгруппированным данным приведенной корреляционной таблицы 15.
Будем оперировать формулами:
, ,
.
.
.
.
,
,
.
,
.
Следовательно
.
Отмечаем, что коэффициент корреляции здесь близок к единице, что говорит в пользу тесной линейной корреляционной связи между величинами Х и Y. Теперь уравнение прямой линии для прямой регрессии имеет вид
(
):
или
Уравнение
для прямой линии обратной регрессии
имеет вид
(
):
или
.
Найдем
угол между прямыми
и
.
Разрешим уравнение
относительно y.
.
Теперь
.
Малость угла между прямыми
и
так же говорит о сильной связи Х
и Y.
Если
выборка имеет достаточно большой объем
и хорошо представляет генеральную
совокупность, то заключение о тесноте
линейной зависимости между признаками
Х
и Y,
полученное по данным выборки, может
быть распространено и на генеральную
совокупность. Для оценки коэффициента
корреляции
нормально распределенной генеральной
совокупности (при
)
можно воспользоваться формулой
.
В нашем случае ряд распределения СВ X (Таблица 16)
Таблица 16.
Х |
1 |
2 |
3 |
4 |
5 |
|
10 |
20 |
35 |
14 |
21 |
|
0,1 |
0,2 |
0,35 |
0,14 |
0,21 |
дает
,
,
.
Ряд распределения СВ Y (Таблица 17)
Таблица 17.
Y |
14 |
15 |
16 |
17 |
18 |
|
18 |
19 |
34 |
17 |
12 |
|
0,18 |
0,19 |
0,16 |
0,17 |
0,12 |
дает
,
,
.
Критические
границы отношения
по таблице приложения 2 с вероятностью
нулевой ошибки
,
,
.
Т.е. в этом случае воспринимаем совокупность
случайных величин Х
и Y
как единую двумерную нормально
распределенную случайную величину.
,
.
