Содержание
- 2. Характеристики двумерной случайной величины (ξ, η) – это характеристики одномерных величин ξ и η, и характеристики
- 3. Ковариация Определение. Ковариацией случайной величины (ξ, η) называется центральный смешанный момент второго порядка Kξ,η = cov(ξ,
- 4. Ковариация Величины ξ,η называются некоррелированными при cov(ξ, η) = 0, положительно коррелированными при cov(ξ, η) >
- 5. Коэффициент корреляции Определение. Коэффициентом корреляции между случайными величинами ξ, η называется число
- 6. Свойства коэффициента корреляции 1. │ρξη│≤ 1. 2. Если ξ,η независимы, то ρξη= 0. Если │ρξη│=1, то
- 7. Смысл коэффициента корреляции Коэффициент корреляции есть мера линейной зависимости между ξ, η. Его модуль указывает на
- 8. Пример: ρ = +0,9
- 9. Пример : ρ = +0,2
- 10. Пример: ρ = – 0,6
- 11. Линейная зависимость Проблема: найти функцию, описывающую линейную зависимость (уравнение прямой).
- 12. Уравнение линейной регрессии Определение. Уравнением линейной регрессии η на ξ называется уравнение ηˆ = aξ +
- 13. Надо найти минимум остаточной дисперсии S2ост= M (η – ηˆ)2
- 14. Нахождение коэффициентов уравнения линейной регрессии S2ост = M[η – (aξ+b)]2 = M[(η – Mη) – a(ξ
- 15. (Mη – aMξ – b) – постоянная величина, ее можно вынести за знак матожидания. M(η –
- 16. Поскольку M(η – Mη)2 = Dη = σ2η, M(ξ – M ξ)2 = Dξ = σ2ξ,
- 17. S2ост – функция переменных a и b, надо найти min S2ост , то есть найти значения
- 18. S2ост = σ2η+ a2σ2ξ + (Mη – aMξ – b)2 – 2a ρσξση. (S2ост)'b= –2(Mη –
- 19. Подставим a = ρ∙ση/σξ, b = Mη – aMξ В уравнение ηˆ= aξ+b. Получим: ηˆ= ρ∙ση/σξ∙
- 20. Замечание Коэффициент уравнения линейной регрессии ρ∙ση/σξ можно записать в виде: ρ∙ση/σξ = cov(ξ,η)/σ2ξ. Тогда уравнение линейной
- 21. Остаточная дисперсия Найдем значение S2ост = M(η – ηˆ)2 = M(η – (aξ+b))2. Для этого подставим
- 22. σ2η + (ρ∙ση)2 – 2 ρ2∙ση2 = σ2η – ρ2∙ση2 = = σ2η (1 – ρ2).
- 23. Пример Дискретная двумерная случайная величина (X,Y) задана таблицей распределения:
- 24. Пример Найдем одномерные законы распределения:
- 25. Пример Вычислим числовые характеристики. MX = 0∙0,5 + 1∙0,2 + 2∙0,3 = 0,8. DX = 02∙0,5
- 26. Пример Найдем ковариацию: cov(ξ, η) = M(ξ∙η) – M ξ∙ M η. В наших обозначениях cov(X,
- 27. Коэффициент корреляции
- 28. Уравнение линейной регрессии Запишем уравнение линейной регрессии Y на X. Подставим MX = 0,8, DX =
- 29. Остаточная дисперсия Yˆ – 0,6 = – 1,16(X – 0,8). Yˆ= – 1,16X +1,53. Найдем остаточную
- 30. График линейной регрессии Yˆ= – 1,16X + 1,53.
- 31. Нелинейная зависимость Проблема: найти функцию, описывающую нелинейную зависимость.
- 32. Условные распределения Пусть (ξ, η) – двумерная случайная величина. Рассмотрим распределение η при условии, что ξ
- 33. Условные распределения η при разных значениях ξ.
- 34. Способы нахождения условных распределений в дискретном случае Рассмотрим пример. Пусть дискретная двумерная случайная величина (X, Y)
- 35. Пример Найдем условный закон распределения Y/X = 0:
- 36. Действительно, P(Y = –1/X = 0) = P(Y = –1, X = 0)/P(X = 0) т.к.
- 37. Найдем другие условные законы. Условный закон распределения Y/X = 1:
- 38. Такой закон распределения записывается в виде ряда распределения
- 39. Условный закон распределения Y/X=2:
- 40. Условное математическое ожидание Определение. Условным математическим ожиданием случайной величины η при условии, что ξ = x,
- 41. Замечание Условное математическое ожидание обладает свойствами математического ожидания .
- 42. Условное математическое ожидание
- 43. Вспомним предыдущий пример. Найдем условное матожидание Y/X=0: M(Y/X=0)= (–1)∙1/5 + 0∙1/5 + 3∙3/5 = 8/5
- 44. Аналогично, условные матожидания M(Y/X=1) = 0∙1 =0, M(Y/X=2) = (–1)∙2/3 + 0∙1/3 = –2/3.
- 45. Регрессия Определение. Регрессией η на ξ называется случайная величина r(ξ), равная при каждом x условному математическому
- 46. Пример В условиях предыдущего примера регрессия Y на X равна:
- 47. Другой способ записи регрессии
- 49. Корреляционное отношение Определение. Корреляционным отношением η на ξ называется числовая характеристика, равная
- 50. Свойства корреляционного отношения 1. 0 ≤ θ2η,ξ ≤ 1. 2. θ2η,ξ ≥ ρ2. 3. θ2η,ξ =
- 51. Смысл: корреляционное отношение измеряет силу зависимости η от ξ
- 52. Пример. Чтобы найти θ2YX, надо сначала найти MY и DY. Мы их недавно находили с помощью
- 53. MY = ( –1)∙0,3 + 0∙0,4 + 3∙0,3 = 0,6. DY = ( –1)2∙0,3 + 02∙0,4
- 54. Смысл полученного числа: корреляционное отношение измеряет силу зависимости Y от X. Чем ближе к 1, тем
- 55. Условные распределения Определение. Условной функцией распределения случайной величины η при условии, что ξ = x, называется
- 56. Условная плотность Определение. Если условная функция распределения случайной величины η при условии, что ξ = x,
- 57. Обозначается условная плотность fη/ξ = x(y) (плотность распределения η в точке y при условии, что ξ
- 58. Нахождение условной функции распределения Условная функция распределения случайной величины η при условии, что ξ = x
- 59. Нахождение условной плотности распределения Условная плотность распределения сл. в. η при условии, что ξ = x
- 60. Поскольку
- 61. Числовые характеристики многомерных случайных величин Определение. Ковариационной матрицей случайных величин ξ1, ξ2 , …, ξn называется
- 62. Ковариационная матрица К
- 63. Корреляционная матрица R Наряду с ковариационной матрицей рассматривают и матрицу R, составленную из коэффициентов корреляции ρij
- 64. Уравнение множественной линейной регрессии Рассмотрим случайные величины ξ0 ξ1, ξ2 , …, ξn с математическими ожиданиями
- 65. Определение. Уравнением линейной регрессии ξ0 на ξ1, ξ2 , …, ξn называется уравнение
- 66. Здесь bi (i =1,…, n) – параметры, минимизирующие остаточную дисперсию
- 67. Минимизируя остаточную дисперсию, получаем, что
- 68. Остаточная дисперсия Здесь и далее через Rij обозначено алгебраическое дополнение элемента aij матрицы R, а через
- 69. Частный коэффициент корреляции Частный коэффициент корреляции используется как мера линейной зависимости между двумя какими –либо случайными
- 71. Скачать презентацию