- •6.030505 “Управління персоналом і економіка праці ”
- •Опис навчальної дисципліни «математика для економістів»
- •Інструментальні:
- •Змістовий модуль 2. Диференціальне числення функції однієї змінної та його застосування в економіці
- •Змістовий модуль 3. Диференціальне числення функції багатьох змінних та його застосування в економіці
- •Змістовий модуль 4. Інтегрування функцій. Диференціальні та різницеві рівняння
- •Модуль 2. Теорія ймовірностей і математична статистика Змістовий модуль 1. Теорія ймовірностей
- •Тема 13. Економічна динаміка та її моделювання: диференціальні та різницеві рівняння
- •Змістовий модуль 5. Ряди та їх застосування. Елементи математичної економіки
- •Тема 14. Ряди та їх застосування
- •Змістовий модуль 2. Математична статистика
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Випадкові події
- •2. Прості та складені випадкові події. Простір елементарних подій
- •3.Операції над подіями
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •2. Елементи комбінаторики
- •3. Геометрична ймовірність
- •4. Статистична ймовірність
- •5. Умовна ймовірність
- •5.1. Залежні та незалежні випадкові події
- •5.2. Обчислення умовної ймовірності
- •Формули ймовірностей добутку та суми випадкових подій
- •7. Імовірність появи хоча б однієї випадкової події
- •1320 11 8. Формула повної ймовірності
- •9. Формула Байєса
- •Питання для самоконтролю
- •Література
- •Тема 3. Схема незалежних випробувань
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Формула Бернуллі
- •2. Найімовірніше число появи випадкової події (мода)
- •3. Локальна теорема
- •4. Інтегральна теорема
- •5. Використання інтегральної теореми
- •6. Формула Пуассона для малоймовірних випадкових подій
- •7. Проста течія подій
- •Питання для самоконтролю
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Функція розподілу ймовірностей
- •Щільність ймовірностей (диференціальна функція) її властивості
- •Питання для самоконтролю
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •1.1. Математичне сподівання
- •1.2. Мода та медіана випадкової величини
- •1.3. Дисперсія та середнє квадратичне відхилення
- •1.4. Початкові та центральні моменти
- •1.5. Асиметрія і ексцес
- •Біноміальний закон розподілу
- •Закон розподілу Пуассона
- •Рівномірний розподіл
- •Експоненціальний розподіл
- •Нормальний розподіл
- •7. Розподіл («хі-квадрат»)
- •Тема 6. Багатовимірні випадкові величини
- •2. Коефіцієнт кореляції
- •3. Умовні закони розподілу
- •4. Функція розподілу ймовірностей системи двох випадкових величин
- •5. Щільність ймовірностей системи двох випадкових величин
- •6. Числові характеристики системи двох неперервних випадкових величин
- •Питання для самоконтролю
- •Тема 7. Функції випадкового аргументу
- •2. Закон розподілу та числові характеристики функції дискретного випадкового аргументу
- •3. Закон розподілу та числові характеристики функції неперервного випадкового аргументу
- •Питання для самоконтролю
- •Література
- •Тема 8. Граничні теореми теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •2. Марковські випадкові процеси. Ланцюги Маркова
- •3. Процес народження і загибелі
- •4. Елементи теорії масового обслуговування
- •Тема 10. Первинне опрацювання статистичних даних
- •2. Генеральна та вибіркова сукупності
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Тема 12. Перевірка статистичних гіпотез
- •2. Похибки перевірки гіпотез
- •3. Критерії узгодження для перевірки гіпотез
- •4. Критична область
- •Тема 13. Елементи теорії регресії
- •2. Визначення параметрів ,
- •3. Властивості ,
- •4. Множинна регресія
- •Питання для самоконтролю
- •Література
- •Тема 14. Елементи дисперсійного аналізу
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 15. Елементи теорії кореляції
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей.
- •Задачі для розв’язання
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 3. Схема незалежних випробувань
- •Задачі для розв’язання
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •Задачі для розв’язання
- •Тема 6. Багатовимірні випадкові величини
- •Задачі для розв’язання
- •Тема 7. Функції випадкового аргументу
- •Задачі для розв’язання
- •Тема 8. Граничні теореми теорії ймовірностей
- •Задачі для розв’язання
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •Задачі для розв’язання
- •Тема 10. Первинне опрацювання статистичних даних
- •Задачі для розв’язання
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Задачі для розв’язання
- •Тема 12. Перевірка статистичних гіпотез
- •Задачі для розв’язання
- •Тема 13. Елементи теорії регресії
- •Задачі для розв’язання
- •Тема 14. Елементи дисперсійного аналізу
- •Задачі для розв’язання
- •Тема 15. Елементи теорії кореляції
- •Література
- •Методичні вказівки до виконання завдань
- •Приклади розв’язків задач для індивідуальної роботи
- •Завдання для індивідуальної роботи
- •Самостійна робота студентів
- •Практичні заняття
- •Модульний контроль
- •Індивідуальна робота
- •Математика для економістів
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
Рівняння лінійної парної регресії.
Визначення параметрів
,
.Властивості
,
.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:
.
