
- •ЛЕКЦИЯ 7
- •Характеристики двумерной случайной величины
- •Ковариация
- •Ковариация
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Смысл коэффициента корреляции
- •Линейная зависимость
- •Уравнение линейной регрессии
- •Надо найти минимум остаточной дисперсии
- •Нахождение коэффициентов уравнения линейной регрессии
- •(Mη – aMξ – b) – постоянная величина, ее можно вынести за знак
- •S2ост – функция переменных a и b, надо найти min S2ост , то
- •Подставим
- •Замечание
- •Остаточная дисперсия
- •Остаточная дисперсия
- •Пример
- •Пример
- •Пример
- •Пример
- •Коэффициент корреляции
- •Уравнение линейной регрессии
- •Остаточная дисперсия
- •График линейной регрессии
- •Нелинейная зависимость
- •Условные распределения
- •Условные распределения η при разных значениях ξ.
- •Способы нахождения условных распределений в дискретном случае
- •Пример
- •Действительно,
- •Найдем другие условные законы.
- •Такой закон распределения записывается в виде ряда распределения
- •Условное математическое ожидание
- •Замечание
- •Условное математическое ожидание
- •Вспомним предыдущий пример.
- •Аналогично, условные матожидания
- •Регрессия
- •Пример
- •Другой способ записи регрессии
- •Корреляционное отношение
- •Свойства корреляционного отношения
- •Смысл: корреляционное отношение измеряет силу зависимости η от ξ
- •Пример.
- •Смысл полученного числа: корреляционное отношение измеряет силу зависимости Y от X.
- •Условные распределения
- •Условная плотность
- •Обозначается условная плотность
- •Нахождение условной функции распределения
- •Нахождение условной плотности распределения
- •Поскольку
- •Числовые характеристики многомерных случайных величин
- •Ковариационная матрица К
- •Корреляционная матрица R
- •Уравнение множественной линейной регрессии
- •Определение. Уравнением линейной регрессии ξ0 на ξ1, ξ2 , …, ξn называется уравнение
- •Минимизируя остаточную дисперсию, получаем, что
- •Остаточная дисперсия
- •Частный коэффициент корреляции
- •Множественный (сводный) коэффициент корреляции

Числовые характеристики многомерных случайных величин
Определение. Ковариационной матрицей случайных величин ξ1, ξ2 , …, ξn называется матрица K размерности n x n с элементами aij, равными ковариациям cov(ξi, ξj) = kij.
K= (kij)n x n = (cov(ξi, ξj)) n x n

Ковариационная матрица К
2 |
K |
|
... K |
1 |
12 |
1n |
|
K21 2 |
2 |
... K2n |
|
K |
... ... ... |
||
|
|||
... |
|
|
|
|
|
|
2 |
Kn1 |
Kn2 ... n |

Корреляционная матрица R
Наряду с ковариационной матрицей рассматривают и матрицу R, составленную из коэффициентов корреляции ρij = ρ(ξi, ξj).
|
1 |
12 |
... 1n |
||
|
21 |
1 |
... |
|
|
|
2n |
||||
R |
|
... |
... |
... |
|
... |
|||||
|
|
|
|
|
|
|
n1 |
n 2 |
... |
1 |
|
|
|

Уравнение множественной линейной регрессии
Рассмотрим случайные величины ξ0 ξ1, ξ2 , …, ξn
сматематическими ожиданиями Mξi = ai,
сдисперсиями Dξi = σ2i,
i = 0,1,…, n,
иc корреляционной матрицей R размерности (n+1) х (n+1).

Определение. Уравнением линейной регрессии ξ0 на ξ1, ξ2 , …, ξn называется уравнение
n
ˆ0 a0 bi ( i ai ).
i 1

Здесь bi (i =1,…, n) – параметры, минимизирующие остаточную дисперсию
M ( 0 ˆ0 )2.

Минимизируя остаточную дисперсию, получаем, что
bi R0i 0 ,
R00 i

Остаточная дисперсия
Здесь и далее через Rij обозначено алгебраическое дополнение элемента aij матрицы R, а через |R| – определитель матрицы R.
Остаточная дисперсия равна
S 2ост. 0 |
2 |
|
|
|
R |
|
|
|
, |
|
|
|
|
||||||
|
|
R00 |
|
||||||
|
|
||||||||
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|

Частный коэффициент корреляции
Частный коэффициент корреляции используется как мера линейной зависимости между двумя какими –либо случайными величинами за вычетом влияния остальных случайных величин.
0i R0i
R00 Rii

Множественный (сводный) коэффициент корреляции
Выражает зависимость между ξ0 и всей совокупностью ξ1, ξ2 , … , ξn .
|
|
|
|
. |
0(1...n) |
1 |
| R | |
||
|
|
|
R00 |