
- •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
1.3.9. Нелинейная парная регрессия
В случае если связь между Y и Х не является линейной (не описывается прямой линией), что часто можно увидеть по системе расположения экспериментальных точек «на глаз», в других случаях гипотезу линейной связи можно отбросить по выполнении ряда математически действий, в этом случае есть смысл получить по экспериментальным данным нелинейную форму парной зависимости.
Формулу парной квадратичной регрессии будем искать в виде:
.
(9)
Кубической регрессии:
.
(10)
В
случае квадратичной формы регрессии
имеем
.
Минимизация суммы квадратов отклонений
даст:
или
(11)
Система (11) – система нормальных уравнений, из которой определяются параметры а, b и с квадратичной регрессии (9).
Для определения коэффициентов кубической парной регрессии (10) система нормальных уравнений имеет вид:
.
(12)
Нетрудно составить систему нормальных уравнений для отыскания параметров зависимостей между Y и Х любого порядка. Впрочем, для отыскания параметров кубической и более высших порядков уравнений регрессий недостаточно настольных калькуляторов, и необходимо использование ЭВМ.
Рассмотрим пример отыскания параметров парной квадратичной регрессии. Пусть Y с Х связаны следующим образом (таблица 21):
Таблица 21.
Х |
1,7 |
3,4 |
4,0 |
4,1 |
5,3 |
Y |
25 |
34 |
57 |
82 |
98 |
Сведем вычисления в следующую таблицу 22.
Таблица 22.
№ точек |
x |
y |
xy |
|
|
|
|
1 |
1,7 |
25 |
42,5 |
2,89 |
72,25 |
4,91 |
8,35 |
2 |
3,4 |
34 |
115,6 |
11,56 |
393,04 |
39,30 |
133,62 |
3 |
4,0 |
57 |
228,0 |
16,00 |
912,00 |
64,00 |
256,00 |
4 |
4,1 |
82 |
336,2 |
16,81 |
1378,42 |
68,92 |
282,57 |
5 |
5,3 |
98 |
519,4 |
28,09 |
2752,12 |
148,88 |
789,06 |
|
18,5 |
296 |
1241,7 |
75,35 |
5508,53 |
326,01 |
1469,60 |
Теперь система (11) примет вид
.
Решая
эту систему трех линейных уравнений с
тремя неизвестными, получаем
,
,
.
Теперь связь между Y
и Х
.
(13)
Уравнение прямой линии прямой регрессии для системы точек, заданных таблицей 21, имеет вид
.
(14)
Иногда
связь между Y
и Х
описывается не степенной зависимостью,
а, например, с помощью формулы
,
или с помощью экспоненциальной
зависимости
,
или с помощью других формул. Вид формул
зависимости и нормальные уравнения,
служащие для отыскания коэффициентов
этих зависимостей приводятся в следующей
таблице.
Таблица 23.
№ |
Вид формул зависимости |
Нормальные уравнения |
1 |
2 |
3 |
1. |
|
|
2.
|
|
|
3. |
|
|
4. |
|
|
1 |
2 |
3 |
5. |
|
|
6. |
|
|
7. |
|
|
8. |
|
|
9. |
(
|
|
Когда
вид нелинейной зависимости между двумя
переменными Х
и Y
известен, то часто удается с помощью
преобразования одной или обеих переменных
получить линейную зависимость между
преобразованными переменными
.
Рассматриваемые случаи приведены в
таблице 24.
Таблица 24.
|
|
|
|
|
|
y |
|
a |
b |
|
|
х |
|
|
|
|
|
|
|
|
|
х |
|
|
|
|
|
|
b |
|
|
х |
|
b |
|
|
|
|
b |
|
y |
|
a |
b |
П р и м е р .
Аппроксимируем систему точек, заданную таблицей 21 экспоненциальной зависимостью .
В этом случае и нормальная система уравнений, служащая для отыскания параметров a и b будет
При
введении замен
,
,
,
последняя система приобретает вид:
Сведем необходимые вычислительные данные в таблицу 25.
Таблица 25.
№ точек |
x |
y |
x |
|
|
1 |
1,7 |
25 |
2,89 |
1,398 |
2,377 |
2 |
3,4 |
34 |
11,56 |
1,531 |
5,205 |
3 |
4,0 |
57 |
16,00 |
1,756 |
7,024 |
4 |
4,1 |
82 |
16,81 |
1,914 |
7,847 |
5 |
5,3 |
98 |
28,09 |
1,991 |
10,552 |
|
18,5 |
296 |
73,35 |
8,590 |
33,005 |
Теперь последняя система имеет вид
Ее
решение
,
,
.
Окончательно аппроксимирующая экспонента
.
(15)