- •Опорный конспект лекций
- •Донецк, 2017 г.
- •1. Цель и задачи освоения дисциплины
- •2. Содержание лекционных занятий
- •Тема 1. Теория вероятностей. Основные теоремы теории вероятностей (10ч)
- •1.1.Предмет теории вероятностей
- •1.2. Пространство элементарных событий
- •1.3. Операции над событиями
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •1.4. Статистический подход к понятию вероятности
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •3.1. Формула полной вероятности
- •3.2. Формула Байеса
- •4.1. Независимые испытания. Формула Бернулли
- •4.2. Локальная теорема Муавра – Лапласа
- •5.1. Интегральная теорема Лапласа
- •5.2. Теорема Пуассона
- •5.3. Вероятность отклонения частоты от постоянной вероятности
- •Тема 2. Случайные величины (10 ч).
- •6.1. Случайные величины
- •6.2. Функция распределения вероятностей для дискретной св
- •6.3. Непрерывная св. Функция распределения
- •7.1. Математическое ожидание св
- •7.2. Дисперсия и среднее квадратичное отклонение св
- •7.3. Понятие о моментах св
- •8. Законы распределения дискретных случайных величин
- •8.1. Биномиальное распределение
- •8.2. Распределение Пуассона
- •8.3. Геометрическое распределение
- •9. Законы распределения непрерывных случайных величин
- •9.1. Равномерное распределение
- •9.2. Показательное распределение
- •9.3. Нормальное распределение
- •10.1. Неравенство Чебышева
- •10.2. Теорема Чебышева
- •Тема 3. Элементы математической статистики (14ч)
- •11.1. Предмет математической статистики
- •11.2. Полигон и гистограмма
- •12.1. Эмпирическая функция распределения
- •13.1. Точечные оценки
- •13.2. Интервальные оценки
- •15.1. Статистические зависимости
- •15.2. Линейная регрессия
- •16.1. Корреляционная таблица
- •16.2. Выборочный коэффициент корреляции
- •3. Литература:
15.1. Статистические зависимости
Во многих задачах требуется установить и оценить зависимость изучаемой случайной величины Y от другой случайной величины Х.
Две случайные величины могут быть связаны определённой зависимостью, которую принято называть статистической, или быть независимыми.
Определение 1. Статистической называется зависимость, при которой изменение одной случайной величины Х влияет на распределение другой случайной величины Y. Если при этом изменяется еще и среднее значение случайной величины Y, то такая зависимость называется корреляционной.
Например, пусть Х сумма затрат на подготовку лавы, а Y уровень добычи угля. При одинаковых затратах на подготовку лав добыча угля будет отличаться, т.е. СВ Y не является функцией от Х. Это можно объяснить влиянием случайных факторов (глубиной залегания пласта, его мощностью, сортностью угля и т.п.). Тем не менее, средняя добыча угля является функцией от суммы затрат, т.е. случайные величины Y и Х связаны корреляционной зависимостью.
15.2. Линейная регрессия
Определение 2. Выборочным уравнением линейной регрессии случайной величины Y на Х называется уравнение вида
(3)
Уравнение (3) часто называют просто
уравнением линейной регрессии, а угловой
коэффициент
выборочным
коэффициентом регрессии.
Для отыскания выборочного уравнения регрессии воспользуемся методом наименьших квадратов, т.е. мы должны минимизировать функцию суммы квадратов отклонений
Как было показано ранее, в этом случае коэффициенты уравнения (3) определяются по формулам
(4)
где
Пример 2. Найти выборочное уравнение линейной регрессии СВ Y на Х по данным 10 наблюдений:
п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
X |
1,5 |
2,5 |
3,0 |
3,5 |
5,0 |
6,0 |
7,5 |
8,5 |
9,0 |
9,5 |
Y |
11,0 |
10,0 |
9,0 |
8,0 |
7,5 |
7,5 |
7,0 |
6,5 |
5,5 |
5,0 |
Составим расчетную таблицу:
|
|
|
|
1,5 |
11,0 |
2,25 |
16,50 |
2,5 |
10,0 |
6,25 |
25,00 |
3,0 |
9,0 |
9,00 |
27,00 |
3,5 |
8,0 |
12,25 |
28,00 |
5,0 |
7,5 |
25,00 |
37,50 |
6,0 |
7,5 |
36,00 |
45,00 |
7,5 |
7,0 |
56,25 |
52,50 |
8,5 |
6,5 |
72,25 |
55,25 |
9,0 |
5,5 |
81,00 |
49,50 |
9,5 |
5,0 |
90,25 |
47,50 |
|
|
|
|
|
|
|
|
По формулам (4)
получим
и
.
Таким образом, линейная регрессия
имеет вид
.
Проверим, насколько хорошо полученные
результаты согласуются с наблюдаемыми
данными. Найдем отклонения
|
|
|
|
1,5 |
10,23 |
11,0 |
-0,77 |
2,5 |
9,62 |
10,0 |
-0,38 |
3,0 |
9,31 |
9,0 |
0,31 |
3,5 |
9,00 |
8,0 |
1,00 |
5,0 |
8,08 |
7,5 |
0,57 |
6,0 |
7,46 |
7,5 |
-0,04 |
7,5 |
6,53 |
7,0 |
-0,47 |
8,5 |
5,92 |
6,5 |
-0,58 |
9,0 |
5,61 |
5,5 |
0,11 |
9,5 |
5,30 |
5,0 |
0,30 |
Как видим из таблицы, не все отклонения достаточно малы. Это объясняется недостаточным количеством наблюдаемых данных.
Вопросы для самоконтроля:
1. Какая зависимость называется корреляционной.
2. Что такое выборочное уравнение линейной регрессии и выборочный коэффициент регрессии?
Лекция № 16. Элементы теории корреляции (продолжение)(2ч)
Содержание лекции № 16:
