Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Теорія ймовірностей Ден. 2010 .doc
Скачиваний:
81
Добавлен:
03.03.2016
Размер:
3 Мб
Скачать
☆

Тема 13. Елементи теорії регресії

Мета роботи: навчитися з’ясовувати існування залежності між двома або декількома статистичними ознаками, вміти описати її рівнянням, розуміти зміст параметрів в рівнянні регресії.

План вивчення теми

  1. Рівняння лінійної парної регресії.

  2. Визначення параметрів , .

  3. Властивості , .

  4. Множинна регресія.

Методичні рекомендації до самостійної роботи

1. Рівняння лінійної парної регресії

Нехай між змінними Х та теоретично існує певна лінійна залежність. Це твердження може ґрунтуватися на тій підставі, наприклад, що кореляційне поле для пар ( ; ) має такий вигляд як на рисунку.

Я к бачимо, насправді між ознаками X і спостерігається не такий тісний в'язок, як це передбачає функціональна залежність. Окремі спостережувані значення у, як правило, відхилятимуться від передбаченої лінійної залежності під впливом випадкових збудників, які здебільшого є невідомими. Відхилення від передбаченої лінійної форми зв'язку можуть статися внаслідок неправильної специфікації рівняння, тобто ще з самого початку неправильно вибране рівняння, що описує залежність між X і .

Будемо вважати, що специфікація рівняння вибрана правильно. Ураховуючи вплив на значення збурювальних випадкових факторів, лінійне рівняння і зв'язку X і можна подати в такому вигляді:

, (14.1)

де , є невідомі параметри регресії, є випадковою змінною, що характеризує відхилення у від гіпотетичної теоретичної регресії.

Отже, в рівнянні (14.1) значення « » подається у вигляді суми двох частин: систематичної і випадкової . Параметри , , є невідомими величинами, а , є випадковою величиною, що має нормальний закон розподілу з числовими характеристиками: М( ) =0, D( ) = =соnst. При цьому є некорельованими.

У результаті статистичних спостережень дослідник дістає характеристики для незалежної змінної х і відповідні значення залежної змінної у.

Отже, необхідно визначити параметри , . Але істинні значення цих параметрів дістати неможливо, оскільки ми користуємося інформацією, здобутою від вибірки обмеженого обсягу. Тому знайдені значення параметрів будуть лише статистичними оцінками істинних (невідомих нам) параметрів , . Ці оцінки позначимо , . Тоді моделі (14.1) відповідатиме статистична оцінка

. (14.2)

2. Визначення параметрів ,

Якщо ми прийняли гіпотезу про лінійну форму зв'язку між ознаками X і , то однозначно вибрати параметри , , які є точковими статистичними оцінками відповідно для параметрів , , практично неможливо. І справді, через кореляційне поле (рис. 11) можна провести безліч прямих. Тому необхідно вибрати такий критерій, за яким можна здійснити вибір параметрів , .

На практиці найчастіше параметри , визначаються за методом найменших квадратів, розробка якого належить К.Гауссу і П.Лапласу. Цей метод почали широко застосовувати в економіко-статистичних обчисленнях, відколи була створена теорія регресії.

Відповідно до цього методу рівняння лінійної парної регресії , необхідно вибрати так, щоб сума квадратів відхилень спостережуваних значень від лінії регресії була б мінімальною. З (14.2) знаходимо:

. (14.3)

Як бачимо, величина є функцією від параметрів , . Ці параметри необхідно добирати так, щоб сума квадратів відхилень була мінімальною: .

Позначивши , розглянемо необхідну умову існування мінімуму функції :

(14.4)

З (14.4) знаходимо ;

.

Парний коефіцієнт кореляції визначається як

.

Основна властивість парного коефіцієнта кореляції: .