- •Введение
- •Раздел I. МЕТОДЫ ПРИБЛИЖЕННЫХ ВЫЧИСЛЕНИЙ
- •1. Приближенное решение уравнения
- •2. Метод последовательных приближений решения уравнения
- •3. Метод Ньютона (метод касательных) решения уравнения
- •4. Метод секущих (метод хорд) решения уравнения
- •8. Приближенные вычисления значений функций с помощью рядов
- •9. Приближенные вычисления пределов с помощью рядов
- •10. Задачи для самостоятельного решения
- •Раздел II. ПРИБЛИЖЕННОЕ ВЫЧИСЛЕНИЕ ОПРЕДЕЛЕННЫХ ИНТЕГРАЛОВ
- •1. Квадратурные формулы
- •3. Формула трапеций
- •4. Метод парабол (метод Симпсона)
- •5. Вычисление определенных интегралов с помощью рядов
- •6. Задачи для самостоятельного решения
- •Раздел III. ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ
- •1. Метод Пикара последовательных приближений
- •2. Метод Эйлера
- •3. Улучшенный метод Эйлера
- •4. Метод Эйлера–Коши
- •5. Метод Рунге–Кутта
- •6. Метод Адамса
- •8. Метод конечных разностей решения краевых задач для обыкновенных дифференциальных уравнений
- •10. Метод наименьших квадратов
- •11. Задачи для самостоятельного решения
- •Раздел IV. УРАВНЕНИЯ МАТЕМАТИЧЕСКОЙ ФИЗИКИ ГИПЕРБОЛИЧЕСКОГО ТИПА
- •1. Виды уравнений математической физики
- •2. Вывод уравнения колебания струны
- •7. Задачи для самостоятельного решения
- •Раздел V. УРАВНЕНИЯ МАТЕМАТИЧЕСКОЙ ФИЗИКИ ПАРАБОЛИЧЕСКОГО ТИПА
- •4. Распространение тепла в неограниченном стержне
- •6. Задачи для самостоятельного решения
- •Раздел VI. УРАВНЕНИЯ МАТЕМАТИЧЕСКОЙ ФИЗИКИ ЭЛЛИПТИЧЕСКОГО ТИПА
- •1. Уравнения эллиптического типа и краевые задачи для них
- •3. Уравнение Лапласа в цилиндрических координатах
- •5. Примеры решения задач
- •6. Задачи для самостоятельного решения
- •Раздел VII. ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ УРАВНЕНИЙ С ЧАСТНЫМИ ПРОИЗВОДНЫМИ
- •1. Метод сеток численного решения дифференциальных уравнений с частными производными
- •3. Метод сеток для уравнения гиперболического типа
- •5. Метод прогонки для уравнения теплопроводности
- •6. Решение уравнения движения грунта
- •7. Задачи для самостоятельного решения
- •Раздел VIII. ВАРИАЦИОННЫЕ МЕТОДЫ
- •1. Некоторые сведения из функционального анализа
- •2. Теоретические основы метода Ритца
- •5. Задачи для самостоятельного решения
- •Раздел IX. КОРРЕЛЯЦИЯ
- •1. Понятие корреляции
- •4. Корреляция
- •5. Задачи для самостоятельного решения
- •Библиографический список
Раздел IX. КОРРЕЛЯЦИЯ
1. Понятие корреляции
Понятие корреляции появилось в середине XIX в. в работах английских статистиков Ф. Гальтона и К. Пирсона. Этот термин произошел от латинского correlatio – соотношение, взаимосвязь.
Теор я методы корреляционного анализа используются для
выявлен я связи между случайными переменными и оценки ее тесно- |
||
ты. В общем случае две величины могут быть связаны функциональ- |
||
ной зав мостью, л бо зависимостью другого рода, называемой ста- |
||
С |
ыть независимыми. Статистической называется |
|
, |
л |
|
зависимость, при которой изменение одной из величин влечет изме- |
||
нение распределен |
я другой. Статистическая зависимость, при кото- |
|
рой изменен |
одной з величин влечет изменение среднего значения |
тистическойдругой, называется корреляционной.
Корреляц онные зависимости занимают промежуточное положение между функц ональной зависимостью и полной независимо-
стью переменных. |
|
Междубвеличинами, характеризующими экономические явле- |
|
ния, в большинстве случаев существуют зависимости, отличные от |
|
функциональных. Действительно, в экономике закономерности не |
|
проявляются так же точно и неизменно, как, например, в физике, хи- |
|
мии или астрономии. |
|
|
А |
Коэффициент корреляции – это числовая характеристика, тесно |
|
связанная с понятием случайной величины, а точнее, с системой слу- |
|
чайных величин. Поэтому для введения и определения их значения и |
|
роли необходимо пояснить понятие системы случайных величин и |
|
указать некоторые свойства, присущиеДим. |
|
Две или более случайные величины, описывающие некоторое |
|
явление, называют системой или комплексом случайных величин. |
|
Систему нескольких случайных величин X ,Y , Z,...,W принято обо- |
значать через X ,Y , Z,...,W . Свойства системыИнескольких случай-
ных величин не исчерпываются свойствами отдельных случайных величин, входящих в систему, а включают также взаимные связи (зависимости) между случайными величинами. Поэтому при изучении системы случайных величин следует обращать внимание на характер и степень зависимости. Эта зависимость может быть более или менее
222
ярко выраженной, более или менее тесной. В других случаях случайные величины оказываются практически независимыми.
лучайная величина Y называется независимой от случайной величины Х, если закон распределения случайной величины Y не зависит от того, какое значение приняла величина Х.
СЗаконом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной вел ч ны и соответствующими им вероятностями.
Понят е зав с мости случайных величин, которым пользуются
в теор вероятностей, несколько отличается от обычного понятия матикзависимости вел ч н, которым пользуются в математике. Так, мате-
под зав с мостью подразумевает только один тип зависимости
– полную, жесткую, так называемую функциональную зависимость. Две вел ч ны Х Y называются функционально зависимыми, если,
зная значен е одной з них, можно точно определить значение другой. В теор вероятностей встречаются несколько с иным типом за-
висимости – вероятностной зависимостью. Если величина Y связана с |
|
величиной Х вероятностной зависимостью, то, зная значение Х, нель- |
|
А |
|
зя точно указать значение Y , а можно указать её закон распределения, |
|
зависящий бот того, какое значение приняла величина Х. |
|
Вероятностная зависимость может быть более или менее тесной, |
|
по мере увеличения тесноты вероятностной зависимости она все бо- |
|
лее приближается к функциональной. Функциональную зависимость |
|
можно рассматривать как крайний, предельный случай наиболее тес- |
|
ной вероятностной зависимости. |
крайний случай – полная не- |
сильной до самой слабой. Другой Вероятностная зависимость между случайными величинами
зависимость случайных величин. Между этими двумя крайними слу-
чаями лежат все градации вероятностной зависимости – от самой И
часто встречается на практике. Если случайные величины Х и Y находятся в вероятностной зависимости, то это не означает, что с изменением величины Х величина Y изменяется вполне определенным образом.
2. Двумерные случайные величины
Упорядоченная пара X ,Y двух случайных величин X и Y называется двумерной случайной величиной, или системой двух одномерных случайных величин. Например, производится одновременный
223
замер показаний глубины погружения прибора и давления на этой глубине. Получаем набор значений вида (30; 0,6), (30,7; 1,1) ,…
Функцией распределения двумерной случайной величины назы- |
|||
вается |
функция F x, y p{X x ; Y y} p X x & Y y . Гео- |
||
метрически это означает, что значение F x, y равно вероятности по- |
|||
С |
|
|
|
падания в часть плоскости, находящуюся ниже и левее точки с коор- |
|||
динатами точки x, y . |
|
||
войства функц |
распределения F x, y : |
||
1. |
0 F x, y 1 |
[так как F x, y – это вероятность]. |
|
Например |
|
||
2. |
При ф кс рованной одной переменной F x, y не убывает по |
||
другой переменной. |
|
, если y фиксирован и если x1 x2 , то |
|
F x1, y F x2 , y . |
|
|
|
3. |
F ; y F x; F ; 0 . |
||
4. |
F ; 1. |
|
|
5. |
F x; F1 x – функция распределения случайной величи- |
||
ны X ; |
F ; y F2 y – функция распределения случайной величи- |
ны Y . |
|
|
F x ; y |
|
|
|
|
|
|
|
6. p x X x ; y Y y |
|
|
F x : y |
|
F x ; y |
|||||
F x1; x2 .б1 2 1 2 2 |
|
2 |
|
1 |
2 |
2 1 |
||||
Понятие функции распределения может быть определено как |
||||||||||
|
|
|
ДF |
|||||||
для дискретных, так и для непрерывных случайных величин. |
||||||||||
Функция распределенияАнепрерывной двумерной случайной ве- |
||||||||||
личины непрерывно дифференцируема, для нее определена произ- |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
водная второго порядка Fxy x, y . |
|
|
|
|
|
|
|
|||
Плотностью распределения непрерывной двумерной случайной |
||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
величины называется функция f |
x, y |
|
|
|
|
|
|
|||
x |
y |
|
x, y Fxy x, y . |
|||||||
|
|
|
|
|
|
|
|
|||
Свойства плотности распределения f x, y : |
|
|
||||||||
1. |
f x, y 0 . |
|
|
|
|
|
И– плоская область. |
|||
2. |
p x, y D f x, y dx dy , D R |
|||||||||
|
|
|
|
|
|
2 |
|
|
||
|
|
D |
|
|
|
|
|
|
|
|
|
x |
y |
|
|
|
|
|
|
|
|
3. F x, y dx f x, y dy . |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
224
|
|
|
|
x, y dy 1 – площадь подграфика равна 1. |
||||||||||
4. |
dx f |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x, y dy f1 x – плотность распределения случайной ве- |
||||||||||||
5. |
f |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
x, y dx f2 y – плотность распределения случайной |
|||||||||||
личины X ; |
f |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
величины Y . |
|
|
|
|
|
|
|
|
|
|
|
|
||
если |
|
|
|
|
|
|||||||||
лучайные вел ч ны |
X |
и Y |
называются независимыми, если |
|||||||||||
событ я X x |
|
Y y |
независимы. |
|
|
|||||||||
Теорема. С стема случайных величин X ,Y независима, если и |
||||||||||||||
только |
|
выполняется одно из условий: |
|
|
||||||||||
|
|
F x, y F1 x F2 |
y или |
f x, y f1 x f2 |
y . |
|||||||||
3. Ч словые характеристики случайных величин |
||||||||||||||
Числовыебхарактеристики случайных величин служат для ис- |
||||||||||||||
следования свойств как отдельных случайных величин, так и их сис- |
||||||||||||||
темы. |
|
|
|
|
|
|
|
|
|
Д |
||||
|
|
|
|
|
|
|
|
|
|
|||||
МатематическоеАожидание двумерной случайной величины: |
||||||||||||||
а) если X ,Y – дискретная двумерная случайная величина, то |
||||||||||||||
|
|
|
|
|
|
|
n |
m |
|
|
|
n |
m |
|
|
M X mx xi pij ; |
M Y my yi pij , |
||||||||||||
|
|
|
|
|
|
|
i 1 j 1 |
|
|
i 1 j 1 |
|
|||
где pij |
p X xi ,Y y j ; |
|
|
|
|
|
|
|
||||||
б) если X ,Y – непрерывная двумерная случайная величина, то |
||||||||||||||
M X m |
x |
|
|
|
|
x, y dx; |
y |
|
|
|||||
|
|
|
|
|
|
|
||||||||
|
|
|
dx |
|
x f |
M Y Иm dx y f x, y dx. |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсия:
а) если X ,Y – дискретная двумерная случайная величина, то
225