- •Предмет « Теорія ймовірностей і математична статистика»
- •§1 Основні елементи комбінаторики
- •§2 Випадкові події і дії над ними
- •2.1 Події. Простір подій
- •§ 3.Ймовірність подій
- •3.5. Теорема множення ймовірностей будь-яких подій.
- •3.1. Зв'язок між статистичною і класичною ймовірностями.
- •3.2. Генеральна сукупність та вибірки.
- •3.3. Властивості класичної ймовірності.
- •3.4. Теорема про додавання ймовірностей подій.
- •3.6. Формула повної ймовірності.
- •§ 4. Повторні незалежні іспити.
- •4.1. Формула Бернулі.
- •4.2. Локальна та інтегральна теореми Муавра - Лапласа.
- •§ 5. Випадкові величини.
- •5.1. Дискретні та неперервні випадкові величини.
- •5.2.Інтегральна функція розподілу.
- •5.3 Диференціальна функція розподілу випадкової величини
- •§6.Побудова статистичного розподілу кількісної оцінки (елементи математичної статистики)
- •6.1. Сутність вибіркового методу.
- •§6.Числові характеристики випадкової величини. Моменти розподілу. Визначення їх за даними досліду.
- •6.1.Основні характеристики розташування і варіації випадкової величини.
- •6.2.Момент розподілу.
- •6.3.Визначення числових характеристик кількісної ознаки за дослідними даними.
- •§7.Деякі теоретичні закони розподілу.
- •7.1. Показниковий закон розподілу.
- •7.2.Нормальний закон розподілу.
- •§8. Кореляційна залежність.
- •8.2Лінійна кореляція . Метод найменших квадратів.
- •8.3. Обробка кореляційної таблиці.
8.2Лінійна кореляція . Метод найменших квадратів.
Нехай f(x) – лінійна функція,тобто лінію регресії шукають у ряді прямої
=
( 2 )
Параметри
і
шукають за методом найменших
квадратів:
Нехай в ході іспитів отримано
n точок (
).
Висунемо вимогу,щоб пряма
(2) була близька до всієї сукупності
точок.Так як точки, як правило,не лежать
на прямій (2), то підстановка координат
(
)в
рівняння (2) приводе до нев’язки
=
-
-b,
в загальному випадку
.
Величина
F=
характеризує сумарну
похибку приближення даної сукупності
точок (x;
)
до прямої (2) .
Із зміною
змінюється F,тобто
F=F(
.
Підберемо
так,щоб сума квадратів відхилень точок
(
)
від прямої(2) була мінімальною, тобто
щоб була мінімальна функція.
F=
=
-
-b
або
( 3 )
Так як пара значить (
)
в табл.1 зустрічається
разів,то в (3) треба ввести множини
,.
Якщо згадати що
=
;
=
=
;
- (
=
(
)
-
=
,
розв’язком системи (3) буде:
=
;
( 4 )
-
.
Рівняння регресії Y по Х буде:
-
=
(x-
) . (
5 )
Пряма Х по Y аналогічно:
-
=
(y
–
( 6 )
=
r;
=
r;
( 7 )
– коефіцієнт кореляції. │r│
.
Якщо r =о , то лінійної кореляції між Y та
Х нема. При цьому
, та
і
=
та
=
x, тобто
умовні середини зберігають сталі
значення. Чим ближче │r│
до 1, тим щільніше точки групуються коло
прямих регресії.
8.3. Обробка кореляційної таблиці.
Поєднуючи (5) , (6), (7) рівняння регресії можна довести до вигляду:
=
-
та
=
.
Збудуємо кореляційну таблицю.
За новий початок візьмемо пару значень,
котра має найбільшу частоту
=5.
=32,
=6.
Позначимо
=32,
.
Перейдемо до умовних варіантів:
=
=
=
=
=
-3,7
=
=
-4
=
=
-2,7
=
=
-3
=
=
-0,7
=
=
-2
=
=
-0,7
=
=
-1
=
0
Цей перехід не змінює коефіцієнти:
R=
-
в нових змінних.
Складаємо добутки
v
,
uv
-.В
клітинах
запишемо відповідні добутки uv
( наближені)
= -3,7 ·(-4) =
14,8
-
v\u
-3.7
-2.7
-1.7
-0.7
0
Сума рядків
v
-4
1
-4
16
15
-3
3
-9
27
24
-2
3
-6
12
9
-1
3
-3
3
3
0
5
0
0
0
Сума стовбців
1
3
3
3
5
n=15
∑v
22∑=58
∑=51
-3.7
-8.1
-5.1
-2.1
0
∑=-19
14
21
9
1.5
0
∑=45
15
24
9
3
0
∑=51
-число появлень пари u/v тобто 1, 3, 3, 3. 5.
Згідно таблиці 3:
=
=
=
-1,2
=
=
=
-1,5
=
=
=
3
=
=
=
3,9
=
= -
=
=
=
1,26
=
=
=
=
1,3
=
+
=
6 (-1,2) + 32 = 24,8
=
+
=
1 · (-1,5) + 6 = 4,5
=
=
6 ·1,26 = 7,6
=
=
1 ·1,3 = 1,3
=
r
;
=
r
=
0,9
