Линейная корреляция. - раздел Математика, ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН Для Двумерной Случайной Величины (Х, Y) Можно Ввести Так Называемое ...
Для двумерной случайной величины (Х, Y) можно ввести так называемое условное математи-ческое ожидание Yпри Х = х. Для дискретной случайной величины оно определяется как
(11.7)
для непрерывной случайной величины –
. (11.8)
Определение 11.4. Функцией регрессии Y на Х называется условное математическое ожидание
M( Y / x ) = f(x).
Аналогично определяется условное математическое ожидание Х и функция регрессии Х на Y.
Определение 11.5. Если обе функции регрессии Х на Y и Y на Х линейны, то говорят, что Х и Y связаны линейной корреляционной зависимостью.
При этом графики линейных функций регрессии являются прямыми линиями, причем можно доказать, что эти линии совпадают с прямыми среднеквадратической регрессии.
Теорема 11.2. Если двумерная случайная величина (Х, Y) распределена нормально, то Х и Y связаны линейной корреляционной зависимостью.
Доказательство. Найдем условный закон распределения Y при Х = х , используя формулу двумерной плотности вероятности нормального распределения (11.1) и формулу плотности вероятности Х:
. (11.9)
Сделаем замену . Тогда
=. Полученное распределение является нормальным, а его мате-матическое ожидание есть функция регрессии Y на Х (см. опреде-ление 11.4)). Аналогично можно получить функцию регрессии Х на Y:
.
Обе функции регрессии линейны, поэтому корреляция между Х и Y линейна, что и требовалось доказать. При этом уравнения прямых регрессии имеют вид
, ,
то есть совпадают с уравнениями прямых среднеквадратической регрессии (см. формулы (11.5), (11.6)).
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 корреляция.
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 регрессия.
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
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