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 |
Коэффициент корреляции как характеристика статистической связи. Некоррелированность и независимость случ. величин.Содержание книги
Поиск на нашем сайте
В качестве меры линейной зависимости между случ. величинами X и Y используют коэффициент корреляции, вычисляемый по формуле Св-ва коэфиициента корреляции: 1. Док-во: рассмотрим систему 2-ух случ. вел: (X,Y) Проведем нормировку (стандартизацию), т.е. M[X]= mx D[X]=σx2 Xxнормиров= Нормированная величина – это тогда, когда M[Y]=my D[Y]= σy2 Yyнормиров= mч=0, а σx=1 Cov(Xx,Yy)=M[{ }]*M[{ }]= 2. Если X и Y – незав. случ. вел, то , причем обратное неверно 3.Если X и Y связаны линейной функциональной зависимостью: Y=aX+b, где a,b – const, a≠0,то Док-во: Т.к M[Y]=aM[X]+b=amx+b, то имеем cov(X,Y)=M[(X-mx)*(Y-my)]=M[(X-mx)(aX+b-amx-b)]=M[(X-mx)a(X-mx)]=aD[X] Вычислим дисперсию случ. вел. Y=aX+b D[Y]=D[aX+b]=a2D[X] Таким образом, коэффициент корреляции равен: Следовательно, =1, если a>1 и =-1, если a<0 Т.е коэффициент корреляции является показателем линейной зависимости, но если ρxy=0. это не значит,что между ними нет никакой связи, это значит, что нет линейной зависимости. Если коэффициент корреляции между случ. вел. X и Y равен 0, то говорят, что X и Y некоррелированны. Некоррелированность случ. вел X и Y означает только, что между ними нет линейной зависимости и не означает статистическую независимость случ. вел X и Y.
16.Системы 2-ух непрерывных случ. вел. Определение ф=ции распределения и плотности, условные распределения, зависимость и независимость случ. вел. Числовые характеристики. Пусть на вероятностном пр-ве (Ω,F,P) заданы непрерывные случ. вел X1=X1(ω), X2=X2(ω),.., Xn=Xn(ω), ω Ω. Опр Совместной ф-цией распределения F(x1, x2,…, xn) случ. вел X1,X2,..,Xn наз-ся вероятность события [X1<x1;X2,x2;…;Xn<xn]: F(x1, x2,…, xn) =P [X1<x1;X2,x2;…;Xn<xn] Фукция распределения: F(X,Y)=P[X<x,Y<y] Если пользоваться геом. интерпретацией системы образом случ. точки, то ф-ция распред. есть не что иное, как вер-ть попадания случ точки (X,Y) в бесконечный квадрат с вершиной в точке (x,y), лежащий левее и ниже ее.(Лекция 12, рис) ()ки, то ф-ция распред. Е 1.Ф-ция распред. Есть неубывающая ф-ция обоих своих аргументов,т.е При x2>x1, F(x2,y)≥ F(x1,y) При y2>y1 F(x,y2) ≥F(x,y1) 2.Повсюду на -∞ ф-ция распред. равна нулю: F(x,-∞)= F(-∞,y)= F(-∞,-∞)=0 3. F(x,+∞)=F1(x1(): распред. я обоих своих аргументов,т.е), F(+∞,y)=F2(y) 4. F(+∞,+∞)=1
2()Неотрицательная ф-ция n переменных f(x1, x2,…, xn) наз-ся совместной плотностью распределения случ. величин X1,X2,..,Xn, если их совместная ф-ция распределения может быть представлена в виде F(x1, x2,…, xn) = Геометрически функцию f(x,y) можно изобразить некоторой поверхностью – поверхность распределения. Если пересечь поверхность распред. Плоскостью, перелелльной плоскости XOY, и спроектировать полученное сечение на плоскость XOY, получится кривая, в каждой точке которой плотность расред. постоянна. угольника \ольник и площади прямоугольника \спределения и плоскостью Чщ Плотность распределения имеет след. св-ва: 1. f(x1, x2,…, xn) ≥; (это ясно из того, что плотность распред. есть предел отношения двух неотриц. величин: вероятности попадания в прямоугольник и площади прямоугольника) 2. =1; (геометрически это cв-во означает,что полный объем тела, ограниченного поверхностью распределения и плоскостью XOY равен едицице.) 3.Если ф-ция определена, вектор попадет в некоторую область,тогда вер-ть определяется: P[(x1,x2,..,xn) G]= (геометрически вер-ть попадания в область G изображается объемом цилиндрического тела, ограниченного сверху поверхностью распред и опирающегося на область G. Зная совместную плотность распределения f(x1, x2,…, xn) случ. вел X1,X2,..,Xn можно найти плотность распред. каждой случ. вел. Для двумерного вектора (X1,X2) с плотностью f(x1, x2) распределение случ. вел X1, f1(x1) равна f1(x1) = , а плотность распред. случ. вел. X2, f2(x2) равна f2(x2) = Опр Случ. величины X1,X2,..,Xn наз-ся независимыми, если для любых действительных переменных x1, x2,…, xn, F(x1, x2,…, xn) =F1(x1)* F2(x2)*…* Fn(xn), где Fi(xi)-ф-ция распред. случ. вел Xi, i=1,2..,n Равносильное определение независимости случайных величин X1,X2,..,Xn записывается так f(x1, x2,…, xn) =f1(x1)* f2(x2)*…* fn(xn), где fi(xi)-плотность распред. случ вел. Xi, i=1,2..,n f1(x)= f2(y)=
X и Y независимы, если = f1(x)* f2(y) X и Y независимы, если f(X/Y)= f1(x); f(Y/X)= f2(y) Условные плотности распределения. Распределение Y, если X принимает какое-либо значение f(Y/X) Распределение X, если Y принимает какое-либо значение f(X/Y)
|
||||
Последнее изменение этой страницы: 2016-08-12; просмотров: 203; 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 - 3.15.202.169 (0.009 с.) |