
- •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.
,
.