
Pankov_Praktikum_po_TViMS_21_12_1
.pdf
где |
z;a,b = |
a b |
|
|
zta 1 1 t b 1 dt, |
z 0;1 , a,b > 0, -- |
неполная |
бета- |
|||||||
|
|
|
|
||||||||||||
|
|
|
a b 0 |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
-- гамма функция со свойством k 1 = k! |
||||
функция, a = ta 1e tdt, |
a > 0, |
||||||||||||||
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
для всех целых неотрицательных k. |
|
|
|
|
|||||||||||
|
|
12.17 В условиях задачи 12.16 показать, что если у случайной величины |
|||||||||||||
|
|
имеется |
|
плотность |
распределения |
p x , |
|
то |
|||||||
pX |
k |
x = nCnk 11Fk 1 x 1 F x n k p x . |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
12.18 Пусть X = |
|
X |
1 |
,...,X |
-- выборка из равномерного на отрезке |
||||||||
|
|
|
|
|
|
|
0;1 |
||||||||
распределения |
U 0;1 . |
|
Убедиться, что |
X k имеет функцию |
распределения |
x;k,n k 1 (см. задачу 15.16). Найти EX k и X k .
12.19Пусть X = X1,...,Xn -- выборка из равномерного на отрезке 0;1
распределения U 0;1 . Найти cov X i ,X j , i, j 1,n.
12.20Найти для выборки из равномерного на отрезке a;b
распределения U a;b величины EX 1 |
, EX n , |
D X 1 |
, DX n и cov X 1 ,X n . |
||||||||||
|
12.21 |
Пусть |
X = X1,...,Xn |
-- выборка |
из |
двухпараметрического |
|||||||
экспоненциального |
распределения |
Fa,b |
с |
функцией |
распределения |
||||||||
|
|
|
|
x a |
|
|
Доказать, |
что |
случайная |
величина |
|||
|
|
|
|
||||||||||
Fa,b x = 1 e b Ind x a , b > 0. |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X = |
n X 1 |
a |
имеет распределение |
F , |
называемое |
стандартным |
|||||||
|
|
|
|
|
|||||||||
1 |
|
b |
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
экспоненциальным (или показательным) распределением. Найти EX 1 и D X 1 . |
|||||||||||||
|
Если наблюдаемая в эксперименте случайная величина |
дискретна и |
|||||||||||
|
принимает значения a1, a2, , где |
ai < ai 1, |
то более |
наглядное |
|||||||||
|
представление о ее законе распределения дадут относительные частоты |
101
= |
r |
, |
где |
r |
означает число элементов соответствующей выборки |
|
|||||
r n |
|
|
|||
X == X1,...,Xn , |
принявших значение ar . Исходные данные для таких |
случаев обычно записывают в виде последовательности пар ar, r , где
r > 0, или в виде таблицы, называемой статистическим рядом Статистический ряд для дискретной случайной величины .
a1 |
a2 |
a3 |
a4 |
... |
1 |
2 |
3 |
4 |
... |
Наглядным представлением таких данных является полигон частот,
который представляет собой ломаную с вершинами в точках ar, r .
Можно рассматривать также статистический ряд ar, r и
соответствующий полигон относительных частот.
12.22Наблюдаемые значения целочисленной величины для 12 опытов оказались равными 5; 1; 4; 0; 1; 4; 3; 5; 0; 5; 5; 2. Построить статистические ряды этих данных и полигон частот.
12.23Построить статистические ряды и полигоны частот для следующих данных:
1). 1; 2; 5; 3; 0; 1; 2, 7; 5; 4; 9; 2; 6; 4. 2) 5; 1; 0; 2; 1; 4; 3; 0; 3; 1; 0; 4.
12.24Пусть n есть число успехов в n испытаниях Бернулли с
вероятностью |
успеха p, |
0< p <1. При больших n вычислить границу |
||||||||
такую, чтобы |
|
|
|
n |
p |
|
|
|
. Укладываются ли в эти границы при = 0,98 |
|
|
|
|||||||||
|
|
|
|
|
|
|||||
|
|
|||||||||
|
|
|
|
n |
|
|
|
|
||
|
|
|
|
результаты следующего эксперимента (Бюффон): при n = 4040 бросаниях монеты наблюдалось 2048 выпадений ``герба''? Указание. Воспользоваться теоремой Муавра-Лапласа, монету считать симметричной.
12.25 Используя такой же подход, как в задаче 12.24, проверить соответствие теории следующих данных: среди n =10000 целых ``случайных чисел'' (от 0 до 9) числа, не превосходящие 4, встретились 5089 раз.
102

12.26 Проводились опыты с бросанием одновременно 12 игральных костей, при этом наблюдалось число , костей с числом очков 4, 5 или 6.
|
Данные для n = 4096 опытов приведены в двух таблицах внизу, |
в которых r |
||||||||||||||||||||||||||||||||||||||
|
обозначает число опытов, в которых наблюдалось значение = r, |
r |
|
|
: |
|||||||||||||||||||||||||||||||||||
|
0,12 |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
0 |
|
1 |
|
|
|
|
|
2 |
|
|
|
3 |
|
|
|
|
|
4 |
|
|
|
|
|
5 |
|
|
|
6 |
|
|
|
|||||
|
r |
|
|
0 |
|
7 |
|
|
|
|
|
60 |
|
|
|
198 |
|
|
|
|
430 |
|
|
|
|
731 |
|
|
|
948 |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
r |
|
|
7 |
|
|
|
8 |
|
|
|
|
|
9 |
|
|
|
|
10 |
|
|
|
|
|
|
11 |
|
|
|
12 |
|
|
|
|||||||
|
r |
|
|
847 |
|
|
|
536 |
|
|
|
|
257 |
|
|
|
|
71 |
|
|
|
|
|
|
11 |
|
|
|
0 |
|
|
|
||||||||
|
|
Построить |
полигон |
частот |
этих данных. |
|
Вычислить |
максимальное |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
от вероятности P = r , считая, что величина имеет |
|||||||||||||||||||||||||||||||||
|
отклонение частоты r |
|
||||||||||||||||||||||||||||||||||||||
|
биномиальное распределение с параметрами 12 и |
|
1 |
. Вычислить с точностью |
||||||||||||||||||||||||||||||||||||
|
2 |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
до второго знака после запятой выборочные |
среднее |
|
|
|
и дисперсию S2 . |
||||||||||||||||||||||||||||||||||
|
|
|
X |
|||||||||||||||||||||||||||||||||||||
|
Сравнить их с теоретическими значениями. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
12.27 |
Наблюдались |
показания |
500 |
|
наугад |
|
|
выбранных |
|
часов, |
||||||||||||||||||||||||||||
|
выставленных в |
витринах |
магазинов. |
Пусть |
r ---номер |
промежутка |
между |
|||||||||||||||||||||||||||||||||
|
r 1 -м и r -м часом, |
r |
|
, a r ---число часов, показания которых были в r - |
||||||||||||||||||||||||||||||||||||
|
1,12 |
|||||||||||||||||||||||||||||||||||||||
|
м промежутке. Результаты наблюдений приведены в таблице: |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
r |
1 |
|
2 |
3 |
|
|
4 |
|
5 |
|
6 |
|
|
7 |
|
|
8 |
|
|
|
9 |
|
10 |
|
11 |
|
12 |
||||||||||||
|
r |
41 |
|
34 |
54 |
|
|
39 |
|
49 |
|
45 |
|
41 |
|
33 |
|
|
37 |
|
41 |
|
47 |
|
39 |
Построить полигон относительных частот этих данных.
12.28Наблюдения над непрерывной случайной величиной, округленные
сточностью до 10 2 , оказались равными 0,59; 0,16; 0,44; 0,48; 0,90; 0,19; 0,65; 0,42; 0,35; 0,84; 0,28; 0,63; 0,54; 0,12; 0,18; 0,67; 0,94; 0,63; 0,33; 0,03. Построить гистограмму и полигон частот этих данных, взяв в качестве
|
|
r 1 |
|
|
r |
|
|
|
|
||
интервалов группировки r |
= |
; |
|
,r 1,10. Вычислить с точностью до |
|||||||
|
|
|
|
|
|
||||||
10 |
|
10 |
|||||||||
|
|
|
|
|
|
|
|
|
третьего знака после запятой выборочные среднее X и дисперсию S2 .
103
12.29 В опытах наблюдалась неотрицательная непрерывная случайная величина. Вариационный ряд выборки объема n = 50 оказался следующим
(вычисления производились с точностью до 10 2): 0,01; 0,01; 0,04; 0,17; 0,18;
0,22; 0,22; 0,25; 0,25; 0,29; 0,42; 0,46; 0,47; 0,47; 0,56; 0,59; 0,67; 0,68; 0,70; 0,72; 0,76; 0,78; 0,83; 0,85; 0,87; 0,93; 1,00; 1,01; 1,01; 1,02; 1,03;
1,05; 1,32; 1,34; 1,37; 1,47; 1,50; 1,52; 1,54; 1,59; 1,71; 1,90; 2,10; 2,35; 2,46; 2,46; 2,50; 3,73; 4,07; 6,03. Построить эмпирическую функцию распределения, гистограмму и полигон частот для этих данных с интервалами
группировки r = r 1;r . |
|
|
12.30 Получена |
следующая выборка |
объема n =100: 0,926; 1,375; |
0,785; 0,963; 1,022; |
0,472; 1,279; 3,521; |
0,571; 1,851; 0,194; 1,192; 1,394 |
; 0,555; 0,046; 0,321; 2,945; 1,974; 0,258; 0,412; 0,906; 0,513; 0,525;
0,595; 0,881; 0,934; 1,579; 0,161; 1,179; 1,055; 0,007; 0,769; 0,971; 0,712;
1,090; 0,631; 1,501; 0,488; 0,162; 0,136; 1,033; 0,303; 0,448; 0,748;
0,690; 0,756; 1,618; 0,345; 0,511; 2,051; 0,457; 0,218; 1,372; 0,225;
0,378; 0,761; 0,181; 0,736; 0,960; 1,530; 0,482; 1,678; 0,057; 1,229;
0,486; 0,856; 0,491; 1,983; 1,376; 0,150; 1,356; 0,561; 0,256;
0,212; 0,219; 0,779; 1,010; 0,598; 0,918; 1,598; 1,065; 0,415; 0,169;
0,313; 0,005; 0,899; 0,012; 0,725; 0,147; 0,121; 1,096; 0,181; 1,393;
1,163; 0,911; 1,231; 0,199; 0,246; 1,239; 2,574. Определить ее основные характеристики: построить эмпирическую функцию распределения,
гистограмму и полигон частот (точку x = 0 взять в качестве границы интервалов, ширину которых положить равной 0,5); сравнить полигон частот с плотностью стандартного нормального закона.
12.31 Рассматривая приведенные в задаче 12.27 данные как независимые наблюдения над дискретной случайной величиной, принимающей значения,
совпадающие с серединами соответствующих интервалов (т. е. значения 0,5;
104

|
|
|
|
|
|
и дисперсию S2 |
|
|
|
1,5;...; 11,5), вычислить выборочные среднее X |
|
и сравнить их |
|||||||
с соответствующими моментами равномерного распределения U 0;12 . |
|
|
|||||||
Выборочная |
квантиль уровня |
p или |
|
|
|
||||
выборочная p-квантиль p |
|||||||||
определяется |
как |
p-квантиль |
эмпирической функции |
распределения |
|||||
|
|
|
|
|
|
|
|
1 |
|
Fn x , т.е. |
как |
решение |
уравнения |
Fn p = p. |
При p = |
|
|
||
2 |
|
||||||||
|
|
|
|
|
|
|
|
|
соответствующая квантиль называется медианой распределения F .
12.32Убедиться, что выборочная p-квантиль p выражается через
порядковые статистики X k выборки X = X1,...,Xn следующим образом:
p = X np 1 Ind{np N} X np Ind{np N},
где a - целая часть числа a.
12.33 Вычислить с достаточной точностью выборочные среднее X и
дисперсию S2 и p-квантили при p 0,25;0,5;0,75 для данных задачи 12.29.
При исследовании свойств графика плотности распределения функции часто рассматриваются такие характеристики, как коэффициенты
ассиметрии 1 = |
3 |
|
|
и эксцесса 2 = |
4 |
|
3, где k -- теоретический |
|
|
|
|
||||
2 |
3 |
|
2 |
2 |
|||
|
2 |
|
|
|
|
центральный момент распределения k-го порядка. Если заменить в формулах теоретические моменты эмпирическими (выборочными) Sk , то
получим выборочные коэффициенты ассиметрии |
|
= |
S3 |
|
и эксцесса |
||||
1 |
|
|
|||||||
3 |
|
||||||||
|
|
|
|
|
|
S2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
= |
S4 |
3. |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
||
S2 2 |
|
|
|
|
|
|
12.34 19Вычислить с необходимой точностью выборочные среднее X и
дисперсию S2 , а также выборочные коэффициенты ассиметрии 1 и эксцесса
2 для данных задачи 12.30.
105

12.35 Выразить эмпирический (выборочный) центральный момент Sk
через эмпирические (выборочные) начальные моменты Mk , и выразить Mk
через Sk .
12.36 |
|
Обозначая |
через |
|
k |
теоретический начальный момент k-го |
||||||||||||||||
порядка распределения, из которого производится выборка, доказать, что: |
1. |
|||||||||||||||||||||
EMk = k ; |
2. DMk = |
2k |
k2 |
; |
|
3. cov Mk ,Ms = |
k s k s |
. |
|
|
|
|||||||||||
|
|
|
|
|||||||||||||||||||
|
n |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
||
12.37 |
|
Доказать, что lim |
|
Mk |
k |
|
= 0 |
для любого > 0. |
|
|
||||||||||||
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
12.38 |
|
Вычислить математическое ожидание и дисперсию выборочной |
||||||||||||||||||||
дисперсии S2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
12.39 |
|
Доказать, |
что |
для |
|
выборки |
объема |
n |
||||||||||||||
cov |
|
,S2 |
= |
(n |
1) |
E E 3 . |
|
|
|
|
|
|
|
|
|
|
|
|||||
X |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12.40 |
|
Пусть наблюдаемая |
случайная величина |
имеет |
нормальное |
|||||||||||||||||
распределение с |
параметрами |
|
a |
и 2 . Найти распределение |
выборочного |
|||||||||||||||||
среднего |
|
для выборки объема n. |
|
|
|
|
|
|
||||||||||||||
X |
|
|
|
|
|
|
||||||||||||||||
12.41 |
|
Проводились опыты с бросанием одновременно 12-ти игральных |
||||||||||||||||||||
костей. Наблюдаемую случайную величину |
брали равной числу костей, |
на |
которых выпадало 4, 5 или 6 очков. Пусть hi -- число опытов, в которых
наблюдалось значение = i, |
i 0,12. |
Данные для 4096 |
опытов приведены в |
|||||||||||
следующих таблицах: |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
0 |
|
1 |
|
2 |
|
3 |
|
4 |
|
5 |
|
6 |
|
hi |
0 |
|
7 |
|
60 |
|
198 |
|
430 |
|
731 |
|
948 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
7 |
|
8 |
|
9 |
|
10 |
|
11 |
|
12 |
|
hi |
|
|
847 |
|
536 |
|
257 |
|
71 |
|
11 |
|
0 |
106
|
|
1 |
|
1 |
|
|
|
|
|
|
|
|
|
i 0,12, построить |
|||||||
Взяв в качестве интервалов i |
= i |
|
;i |
|
|
, |
||||
2 |
2 |
|||||||||
|
|
|
|
|
|
|
|
гистограмму и полигон частот. Вычислить выборочные среднее и дисперсию, а
также выборочные коэффициенты асимметрии и эксцесса.
Отметим, что в результате выборки можно наблюдать случайный вектор
(в учебных задачах, чаще всего, двухмерный). В этом случае можно вычислить такие статистики как выборочная ковариация и выборочный коэффициент корреляции. Рассмотрим подобную задачу на конкретном примере:
Пример. Пусть даны статистические данные температуры смазочного масла
заднего моста автомобиля y в зависимости от температуры окружающего воздуха x в
результате 50 наблюдений:
y |
4 |
8 |
12 |
16 |
12 |
12 |
12 |
|
12 |
|
16 |
|
4 |
|
|
12 |
|
12 |
|
12 |
|
4 |
|
8 |
|
8 |
4 |
|||||||||
x |
5 |
15 |
15 |
15 |
35 |
15 |
35 |
|
15 |
|
35 |
|
5 |
|
|
15 |
|
5 |
|
25 |
|
25 |
|
25 |
|
25 |
25 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
y |
12 |
15 |
8 |
12 |
8 |
24 |
12 |
|
12 |
|
12 |
|
16 |
|
12 |
|
16 |
|
12 |
|
16 |
|
16 |
|
20 |
12 |
||||||||||
x |
25 |
25 |
25 |
25 |
25 |
55 |
35 |
|
35 |
|
35 |
|
45 |
|
35 |
|
45 |
|
35 |
|
15 |
|
35 |
|
45 |
35 |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
y |
|
18 |
|
12 |
|
20 |
|
16 |
|
16 |
|
20 |
|
16 |
|
20 |
|
|
16 |
|
20 |
16 |
20 |
20 |
|
20 |
|
24 |
20 |
|||||||
x |
|
45 |
|
35 |
|
45 |
|
55 |
|
55 |
|
45 |
|
55 |
|
45 |
|
|
55 |
|
45 |
55 |
55 |
55 |
|
55 |
|
55 |
55 |
Требуется найти выборочную ковариация и выборочный коэффициент корреляции.
Для решения сначала составим статистический ряд (для выборки из случайного двумерного вектора), в котором в первых двух строчках – это уникальная пара значений, которык принимают у и x вместе (одно над другим),
а в нижней строчке – число раз νr,XY, сколько эта пара выпала в выборке
y |
4 |
4 |
8 |
8 |
12 |
12 |
12 |
16 |
16 |
16 |
16 |
20 |
20 |
24 |
24 |
x |
5 |
25 |
15 |
25 |
15 |
25 |
35 |
15 |
35 |
45 |
55 |
45 |
55 |
55 |
65 |
νr,XY |
2 |
2 |
1 |
4 |
4 |
3 |
10 |
2 |
2 |
3 |
6 |
5 |
4 |
1 |
1 |
По этому статистическому ряду для выборки из случайного двумерного
вектора легко построить статистические ряды для x и y поотдельности:
x |
5 |
15 |
25 |
35 |
45 |
55 |
65 |
νr,X |
2 |
7 |
9 |
12 |
8 |
11 |
1 |
|
|
|
|
|
|
|
|
y |
4 |
8 |
12 |
16 |
20 |
24 |
|
νr,Y |
4 |
5 |
17 |
13 |
9 |
2 |
|
107

По двум последним ряда находим выборочное среднее и выборочные
дисперсии для двух выборок – x и y по отдельности.
Для выборки из температуры окружающего воздуха x
|
|
|
1 |
xi i,X |
... |
1790 |
|
35.8; |
||||||
x |
|
|||||||||||||
i,X |
|
|
|
|||||||||||
|
|
i |
|
50 |
|
|
|
|
||||||
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
SX2 |
|
1 |
|
xi |
2 i,X |
|
|
2 |
... |
75650 |
35.8 2 231.36. |
|||
|
x |
|||||||||||||
|
|
|
||||||||||||
|
|
|
i,X i |
|
|
|
|
|
|
50 |
|
i
Для выборки из температуры смазочного масла заднего моста автомобиля y
|
|
|
|
1 |
yj j,Y |
... |
696 |
13.92; |
|||||||
y |
|
|
|||||||||||||
|
j,Y |
|
|
|
|||||||||||
|
|
|
j |
|
50 |
|
|
|
|||||||
|
|
|
|
j |
|
|
|
|
|
|
|
|
|
|
|
SY2 |
|
1 |
|
yj 2 |
r,Y |
|
|
2 |
... |
10912 |
13.92 2 24.4736. |
||||
|
y |
||||||||||||||
|
|
|
|
||||||||||||
|
|
|
|
|
j,Y j |
|
|
|
|
|
50 |
|
j
Если заменить в формулах для вычисления ковариации и коэффициента
корреляции
cov X,Y E X Y E X EY ;
X,Y E X Y EX EY ;
DX DY
математические ожидания на выборочные средние, дисперсии на выборочные
дисперсии, а смешанный момнт E X Y на статистику
|
|
1 |
xi yj r,XY , |
|
x y |
||||
r,XY |
||||
|
|
r |
||
|
|
r |
|
то получится выборочная ковариация
kXY x y x y
и выборочный коэффициент корреляции
rXY x y x y . SX2 SY2
108

По статистическому ряду для выборки из случайного двумерного вектора
вычисляем:
|
|
|
1 |
|
|
|
|
xi yj |
r,XY |
|
1 |
4 5 2 4 25 2 ... 24 65 1 |
27800 |
556. |
||||||||||||||||
x y |
||||||||||||||||||||||||||||||
r,XY |
|
50 |
||||||||||||||||||||||||||||
|
|
|
r |
|
|
|
50 |
|
|
|
|
|||||||||||||||||||
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
kXY |
|
|
|
|
|
|
|
|
|
|
556 35.8 13.92 57.664; |
|
|
||||||||||||||||
|
x y |
x |
|
y |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
57.664 |
|
|
|
|
||||||||||
|
r |
x y |
x |
y |
|
|
|
|
0,7663 |
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
XY |
|
|
|
|
|
SX2 SY2 |
|
|
231.36 24.4736 |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12.42 Вычислить выборочный коэффициент корреляции для следующих
данных n = 26 наблюдений над случайным вектором = 1, 2 , записанных в виде статистического ряда, представленного в таблицах ниже
1 |
|
23,0 |
24,0 |
24,5 |
24,5 |
25,0 |
25,5 |
26,0 |
2 |
|
0,48 |
0,50 |
0,49 |
0,50 |
0,51 |
0,52 |
0,49 |
r, , |
2 |
2 |
4 |
3 |
2 |
1 |
1 |
2 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
26,0 |
26,0 |
26,5 |
26,5 |
27,0 |
27,0 |
28,0 |
2 |
|
0,51 |
0,53 |
0,50 |
0,52 |
0,54 |
0,52 |
0,53 |
r, , |
2 |
1 |
2 |
1 |
1 |
2 |
1 |
3 |
1 |
|
|
|
|
|
|
|
109
110