Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Корреляционный момент и коэффициент корреляции.Содержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Для характеристики корреляционной зависимости между величинами используются коррекляционный момент и коэффициент корреляции. О п р е д е л е н и е 2. Корреляционным моментом µxy случайных величин X и Y называют математическое ожидание произведения отклонений этих величин
Для вычисления корреляционного момента дискретных величин используется выражение
(3.12) а для непрерывных – выражение
(3.13) З а м е ч а н и е. Корреляционный момент µxy может быть переписан в виде
(3.14) Действительно, используя свойства математического ожидания (см. §§ 2.2; 2.6), имеем
Т е о р е м а. Корреляционный момент двух независимых случайных величин X и Y равен нулю. Д о к а з а т е л ь с т в о. Согласно замечанию
а так как Х и Y независимые случайные величины, то (см. §§ 2.2; 2.6)
и, значит, µxy=0. Из определения корреляционного момента следует, что он имеет размерность, равную произведению размерностей величин X и Y,т.е. его величина зависит от единиц измерения случайных величин. Поэтому для одних и тех же двух величин величина корреляционного момента может иметь различные значения в зависимости от того, в каких единицах были измерены величины. Для устранения этого недостатка условились за меру связи (зависимости) двух случайных величин X и Yпринять безразмерную величину (3.15) где σх=σ(Х), σy=σ(Y), называемую коэффициентом корреляции. П р и м е р 1. Пусть двумерная дискретная случайная величина (X,Y)задана законом распределения:
Найдем корреляционный момент и коэффициент корреляции случайных величин X и Y. Р е ш е н и е. Сложив вероятности по строкам, получим вероятности возможных значений X:
Отсюда закон распределения X:
и, значит, Сложив же вероятности по столбцам, найдем вероятности возможных значений Y:
Отсюда закон распределения Y:
и, значит, Следовательно, Таким образом, коэффициент корреляции Т е о р е м а. Абсолютная величина корреляционного момента двух случайных величин не превосходит произведения их средних квадратических отклонений: Д о к а з а т е л ь с т в о. Введя в рассмотрение случайную величину где найдем ее дисперсию. Имеем (любая дисперсия неотрицательна). Отсюда Введя случайную величину , аналогично найдем В результате имеем или (3.16) О п р е д е л е н и е 2. Случайные величины X и Y называются некоррелированными, если = 0, и коррелированными, если П р и м е р 1. Независимые случайные величины Х и Y являются некоррелированными, так как в силу соотношения (3.12) = 0. П р и м е р 2. Пусть случайные величины Х и Y связаны линейной зависимостью Найдем коэффициент корреляции. Имеем: откуда Поэтому
Таким образом, коэффициент корреляции случайных величин, связанных линейной зависимостью, равен ±1 (точнее, =1, если А>0 и =-1, если А<0). Отметим некоторые свойства коэффициента корреляции. Из примера 1 следует: 1) Если X и Y — независимые случайные величины, то коэффициент корреляции равен нулю. Заметим, что обратное утверждение, вообще говоря, неверно. (Доказательство см. в работе [2].) 2)Абсолютная величина коэффициента корреляции не превосходит единицы: Действительно, разделив обе части неравенства (3.16) на произведение , приходим к искомому неравенству. 3) Как видно из формулы (3.15) с учетом формулы (3.14), коэффициент корреляции характеризует относительную величину отклонения математического ожидания произведения от произведения математических ожиданий М(Х) М(Y) величин X и Y. Так как это отклонение имеет место только для зависимых величин, то можно сказать, что коэффициент корреляции характеризует тесноту зависимости между X и Y. 3. Линейная корреляция. Этот вид корреляционной зависимости встречается довольно часто. О п р е д е л е н и е. Корреляционная зависимость между случайными величинами Х и Y называется линейной корреляцией, если обе функции регрессии и являются линейными. В этом случае обе линии регрессии являются прямыми; их называют прямыми регрессии. Выведем уравнения прямой регрессии Y на X, т.е. найдем коэффициент линейной функции Обозначим М(Х) = а, М(Y) = b, М[(Х - а)2] = , М[(Y –b2)] = . С использованием свойств МО (§§ 2.2; 2.6) находим: М(Y) = М[g(Х)] = М(АХ + В)= АМ(Х) + В, т.е. b = Аа + В, откуда В=b-Аа. Далее, с помощью тех же свойств математического ожидания имеем М(ХY) = М[Хg(Х)\ = М(АХ2 + ВХ) = АМ(Х2) + ВМ(Х) = АМ(Х2) + (b- Аа)а, откуда А= или, согласно свойству 1 дисперсии (§§ 2.3; 2.6), Полученный коэффициент называется коэффициентом регрессии Y на X и обозначается через : (3.17) Таким образом, уравнение прямой регрессии Y на X имеет вид (3.18) Аналогично можно получить уравнение прямой регрессии X на Y (3.19) где (3.20) есть коэффициент регрессии X на Y. Уравнения прямых регрессии можно записать в более симметричном виде, если воспользоваться коэффициентом корреляции. С учетом этого коэффициента имеем: (3.21) и поэтому уравнения прямых регрессии принимают вид:
Из уравнений прямых регрессии видно, что обе эти прямые проходят через точку (а;b); угловые коэффициенты прямых регрессии равны соответственно (рис. 13): рис. 13 Так как то Это означает, что прямая регрессии Y на X имеет меньший наклон к оси абсцисс, чем прямая регрессии X на Y Чем ближе к единице, тем меньше угол между прямыми регрессии. Эти прямые сливаются тогда и только тогда, когда =1. При = 0 прямые регрессии описываются уравнениями у=b; х = а. Рис. 13 В этом случае МХ(Y) = b = М(Y); МУ(Х) = а = М(Х). Из формулы (3.21) видно, что коэффициенты регрессии имеют тот же знак, что и коэффициент корреляции , и связаны соотношением
|
||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-04-08; просмотров: 2786; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.221.93.167 (0.006 с.) |