Линейная регрессия. - раздел Математика, ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН Пусть Составляющие Х И Y Двумерной Случайной Величины (Х...
Пусть составляющие Х и Y двумерной случайной величины (Х, Y) зависимы. Будем считать, что одну из них можно приближенно представить как линейную функцию другой, например
Y ≈ g(Х) = α + βХ, (11.2)
и определим параметры α и β с помощью метода наименьших квадратов.
Определение 11.2. Функция g(Х) = α + βХ называется наилучшим приближениемY в смысле метода наименьших квадратов, если математическое ожидание М(Y - g(Х))2 принимает наименьшее возможное значение; функцию g(Х) называют среднеквадратической регрессиейY на Х.
Теорема 11.1. Линейная средняя квадратическая регрессия Y на Х имеет вид:
Найдем стационарные точки полученной функции, решив систему
Решением системы будет .
Можно проверить, что при этих значениях функция F(α, β) имеет минимум, что доказывает утверждение теоремы.
Определение 11.3. Коэффициент называется коэффициентом регрессии Y на Х, а прямая - (11.5)
- прямой среднеквадратической регрессии Y на Х.
Подставив координаты стационарной точки в равенство (11.4), можно найти минимальное значение функции F(α, β), равное Эта величина называется остаточной дисперсиейY относительно Х и характеризует величину ошибки, допускаемой при замене Y на g(Х) = α+βХ. При остаточная дисперсия равна 0, то есть равенство (11.2) является не приближенным, а точным. Следовательно, при Y и Х связаны линейной функциональной зависимостью. Аналогично можно получить прямую среднеквадратической регрессии Х на Y:
(11.6)
и остаточную дисперсию Х относительно Y. При обе прямые регрессии совпадают. Решив систему из уравнений (11.5) и (11.6), можно найти точку пересечения прямых регрессии – точку с координатами (тх, ту), называемую центром совместного распределения величин Х и Y.
На сайте allrefs.net читайте: "ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН"
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Линейная регрессия.
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Математическое ожидание.
Определение 7.1. Математическим ожиданиемдискретной случайной величины называ-ется сумма произведений ее возможных значений на соответствующие им вероятности:
М
Числовые характеристики непрерывных случайных величин.
Распространим определения числовых характеристик случайных величин на непре-рывные случайные величины, для которых плотность распределения служит в некото-ром роде аналогом понятия вероятности.
Стандартные законы распределения.
1. Биномиальное распределение.
Для дискретной случайной величины Х, представляющей собой число появлений события А в серии из п независимых испытаний (см. лекцию 6),
Двумерные случайные величины.
1. Дискретные двумерные случайные величины.
Закон распределения дискретной двумерной случайной величины (Х, Y) имеет вид таблицы с двойным вх
Дискретной двумерной случайной величины.
Рассмотрим дискретную двумерную случайную величину и найдем закон распределения составляющей Х при условии, что Y примет определенное значение (например, Y = у1). Дл
Равномерное распределение на плоскости.
Система двух случайных величин называется равномерно распределенной на плоскости, если ее плотность вероятности f(x, y) = const внутри некоторой области и равна 0 вне
Числовые характеристики двумерных случайных величин.
Такие характеристики, как начальные и центральные моменты, можно ввести и для системы двух случайных величин.
Определение 9.8. Начальным моментом порядка k, s
Независимых слагаемых.
Определение 10.2. Если каждой паре возможных значений случайных величин Х и Y соответ-ствует одно возможное значение случайной величины Z, то Z на
Линейная корреляция.
Для двумерной случайной величины (Х, Y) можно ввести так называемое условное математи-ческое ожидание Yпри Х = х. Для дискретной случайной величины оно определ
Распределение «хи-квадрат».
Пусть имеется несколько нормированных нормально распределенных случайных величин: Х1, Х2,…, Хп (ai = 0, σi
Распределение Стьюдента.
Рассмотрим две независимые случайные величины: Z, имеющую нормальное распределение и нормированную (то есть М( Z ) = 0, σ( Z) = 1), и V, распределенну
Распределение F Фишера – Снедекора.
Рассмотрим две независимые случайные величины U и V, распределенные по закону «хи-квадрат» со степенями свободы k1 и k2 и образуем из них новую вел
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов