
- •Случайные величины
- •Случайные величины
- •Распределение дискретных случайных
- •Распределение дискретных случайных
- •Распределение дискретных случайных
- •Распределение непрерывных
- •Числовые характеристики случайных
- •Числовые характеристики случайных
- •Числовые характеристики случайных величин.
- •Нормальный закон распределения
- •Нормальный закон распределения
- •Предмет и задачи
- •Предмет и задачи
- •Основные понятия
- •Основные понятия
- •Первичная обработка результатов
- •Первичная обработка результатов
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Среднее арифметическое
- •Дисперсия и среднее
- •Пример использования первичной
- •Пример использования первичной
- •Обработка больших массивов данных
- •Обработка больших массивов данных
- •Интервальный ряд
- •Интервальный ряд
- •Гистограмма
- •Прогноз на основе интервального ряда
- •Прогноз на основе интервального ряда
- •Некоторые статистические
- •Некоторые статистические
- •Метод наименьших квадратов
- •Метод наименьших квадратов
- •Корреляционная зависимость
- •Корреляционная зависимость
- •Корреляционная зависимость
- •Корреляционная зависимость
- •Корреляционная зависимость
- •Коэффициент корреляции
- •Коэффициент корреляции

Корреляционная зависимость
Для того, чтобы применение метода наименьших |
||||||||||
квадратов |
давало адекватные |
результаты, |
необходимо |
|||||||
чтобы между числовыми рядами факторов и откликов |
||||||||||
существовала некоторая зависимость. Проиллюстрируем |
||||||||||
это на примере. |
|
|
|
|
|
|
|
|
||
Пример. В таблице приведены данные измерения |
||||||||||
веса и роста двадцати курсантов школы МВД: |
|
|
||||||||
№ |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
Рост |
178 170 181 173 169 178 177 165 187 182 |
|||||||||
Вес |
72 |
65 |
92 |
75 |
68 |
79 |
78 |
67 |
80 |
81 |
№ |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
Рост |
159 182 178 173 176 173 198 187 191 170 |
|||||||||
Вес |
56 |
82 |
77 |
63 |
80 |
65 |
85 |
89 |
87 |
72 |
Попытаемся установить зависимость между этими двумя рядами данных.

Корреляционная зависимость |
||||
Такая зависимость называется корреляционной. |
||||
|
Представим |
графически |
результаты, |
|
объединенные в таблице, построив точки с |
||||
соответствующими координатами: |
|
|||
100 |
|
|
|
|
95 |
|
|
|
|
90 |
|
|
|
|
85 |
|
|
|
|
80 |
|
|
|
|
75 |
|
|
|
|
70 |
|
|
|
|
65 |
|
|
|
|
60 |
|
|
|
|
55 |
|
|
|
|
50 |
|
|
|
|
155 |
165 |
175 |
185 |
195 |

Корреляционная зависимость
Полученные точки лежат внутри некоторой области или «облака», которое обозначено пунктирной линией. Хорошо заметно, что облако вытянуто вдоль какой-то наклонной прямой. Этот факт означает, что величины Х и Y хорошо скоррелированы, т.е. пря увеличении роста вес, как правило, тоже увеличивается. Прямая, вдоль которой вытянулись точки, называется линией регрессии.
Установим уравнение линии регрессии и с его помощью определим, вес курсанта с ростом 195 см.

Корреляционная зависимость
Уравнение искомой прямой имеет вид
y = kx + b, где k = xy – x y
Dx
Здесь x, y и xy - средние значения роста, веса и их попарных произведений,
Dx- дисперсия роста.
Применяя ранее определенные формулы, получаем:
x = 177,35 ; y = 76,65; xy = 13485,15; Dx = 79,1.

Корреляционная зависимость
Подставляя полученные значения в предыдущие формулы, находим k и b :
k 0,87 ; b -78,2 .
Итак, получим следующее уравнение искомой прямой:
y= 0,87x – 78,20.
Она называется эмпирической прямой регрессии.
Подставляя в последнее уравнение x = 195, найдем средний вес курсанта с таким ростом.
Он равен 91 кг.

Коэффициент корреляции
Весьма важной характеристикой при сравнении двух числовых рядов является
коэффициент корреляции, вычисляемый по формуле:
r = xy – x y Sx Sy

Коэффициент корреляции
Коэффициент корреляции играет важную роль в вопросах математической статистики и обладает следующими свойствами:
1.-1 r 1.
2.Если величины Х и Y независимы, то коэффициент корреляции между ними равен
нулю.
3.Если величины Х и Y связаны линейной зависимостью, то коэффициент корреляции равен 1 или -1.
4.Обратно, если коэффициент корреляции равен 1 или -1, то величины Х и Y связаны линейной зависимостью.