Ковариация, коэффициент корреляции.

1) может быть неизвестно, какая из двух переменных является независимой, а какая - зависимой, переменные равноправны, это взаимосвязь корреляционного типа;

2) если х и у неравноправны и одна из них рассматривается как объясняющая (независимая) переменная, а другая - как зависимая, то это взаимосвязь регрессионного типа.

Виды регрессий:

1) гиперболическая - регрессия равносторонней гиперболы: у = а + b / х + Е;

2) линейная - регрессия, применяемая в статистике в виде четкой экономической интерпретации ее параметров: у = а+b*х+Е;

3) логарифмически линейная - регрессия вида: In у = In а + b * In x + In E

4) множественная - регрессия между переменными у и х₁, х₂... x_m, т. е. модель вида: у = f(х₁, х₂... x_m)+E, где у - зависимая переменная (результативный признак), х₁, х₂... x_m - независимые, объясняющие переменные (признаки-факторы), Е- возмущение или стохастическая переменная, включающая влияние неучтенных факторов в модели;

5) нелинейная - регрессия, нелинейная относительно включенных в анализ объясняющих переменных, но линейная по оцениваемым параметрам; или регрессия, нелинейная по оцениваемым параметрам.

6) обратная - регрессия, приводимая к линейному виду, реализованная в стандартных пакетах прикладных программ вида: у = 1/a + b*х+Е;

7) парная - регрессия между двумя переменными у и x, т. е, модель вида: у = f (x) + Е, где у -зависимая переменная (результативный признак), x – независимая, объясняющая переменная (признак - фактор), Е - возмущение, или стохастическая переменная, включающая влияние неучтенных факторов в модели.

36. Коэффициент корреляции.

Корреляция - величина, отражающая наличие связи между явлениями, процессами и характеризующими их показателями.

Корреляционная зависимость - определение зависимости средней величины одного признака от изменения значения другого признака.

Коэффициент корреляции величин х и у (r_xy) свидетельствует о наличии или отсутствии линейной связи между переменными:

где (-1; 1). Если: = -1, то наблюдается строгая отрицательная связь; = 1, то наблюдается строгая положительная связь; = 0, то линейная связь отсутствует.

- ковариация, т. е. среднее произведение отклонений признаков от их средних квадратических отклонений.

Коэффициент корреляции может служить мерой зависимости случайных величин.

Корреляция для нелинейной регрессии:

при R _[0;1].

Чем ближе R к 1, тем теснее связь рассматриваемых признаков.

37. Двумерная нормальная случайная величина.

Двумерной случайной величино й называют систему из двух случайных величин , для которой определена вероятность совместного выполнения неравенств и , где x и y - любые действительные числа.

Функция двух переменных

(34)

определенная для любых x и y, называется функцией распределения системы двух случайных величин

Будем рассматривать и как декартовы координаты точки на плоскости. Точка может занимать то или иное положение на плоскости . Тогда функция распределения даст вероятность того, что случайная точка попадает в область , изображенную на рис. 13.

Двумерная случайная величина называется дискретной, если и - дискретные величины.
Пусть возможные значения и образуют, например, конечные последовательности x1, x2,..., xn и y1, y2,..., ys. Возможные значения двумерной случайной величины имеют вид (xi, yj), где i=1, 2,..., n; j=1, 2,..., s. Обозначим через pij вероятность того, что

Функция распределения F(х, у) имеет вид

где двойная сумма распространена на те i и j, для которых xi<x и yj<y.
Двумерную случайную величину так же, как и одномерную, можно задавать таблицей. Первая строка таблицы содержит возможные значения случайной величины , а первый столбец — возможные значения . В остальных клетках таблицы указаны соответствующие вероятности, причем их сумма всегда равна единице.

38. Законы больших чисел.

Зако́н больши́х чи́сел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Всегда найдётся такое конечное число испытаний, при котором с любой заданной наперёд вероятностью меньше 1 относительная частота появления некоторого события будет сколь угодно мало отличаться от его вероятности.

Общий смысл закона больших чисел — совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.

На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.

Не нашли, что искали? Воспользуйтесь поиском: