- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины.
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности.
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4 Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельные оценки
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 6. Групповая и общая средние
- •§ 7. Отклонение от общей средней и его свойство
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутригрупповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсий по исправленной выборочной
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии по не сгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 6. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§ 13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая и конкурирующая, простая и сложная гипотезы
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны (независимые выборки)
- •§ 11( Сравнение двух средних произвольно распределенных генеральных совокупностей (большие независимые выборки)
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности а. Дисперсия генеральной совокупности известна.
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§ 16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
Рассмотрим двумерную случайную величину (X,Y), где X и Y - зависимые случайные величины. Представим одну из величин как функцию другой. Ограничимся приближенным представлением (точное приближение, вообще говоря, невозможно) величины Y в виде линейной функции величины X:
,
где и- параметры, подлежащие определению. Это можно сделать различными способами: наиболее употребительный из них - метод наименьших квадратов.
Функцию называют «наилучшим приближением» Y в смысле метода наименьших квадратов, если математическое ожидание М [Y—g(X)]2 принимает наименьшее возможное значение; функцию g(x) называют среднеквадратической регрессией Y на X.
Теорема. Линейная средняя квадратическая регрессия Y на X имеет вид
,
где тх=M(X), тy=M(Y), , ,r = μху /(σxσy) - коэффициент корреляции величин X и Y.
Доказательство. Введем в рассмотрение функцию двух независимых аргументов и:
.
Учитывая, что М (X—тх)=М (Y—my )= 0, M[(X—mx)*(Y-my)]= μху=r σxσy,
и выполнив выкладки, получим
.
Исследуем функцию на экстремум, для чего приравняем нулю частные производные:
Отсюда
,.
Легко убедиться, что при этих значениях ирассматриваемая функция принимает наименьшее значение.
Итак, линейная средняя квадратическая регрессия Y и X имеет вид
,
или
.
Коэффициент называюткоэффициентом регрессии Y наX, а прямую
(**)
называют прямой среднеквадратической регрессии Y на X.
Подставив найденные значения ив соотношение (*), получим минимальное значение функцииF (,), равное(1 -r2). Величину (1 -r2) называют остаточной дисперсией случайной величины Y относительно случайной величины X; она характеризует величину ошибки, которую допускают при замене Y линейной функцией g(X)=+X. При r = ±1 остаточная дисперсия равна нулю; другими словами, при этих крайних значениях коэффициента корреляции не возникает ошибки при представлении Y в виде линейной функции от X.
Итак, если коэффициент корреляции r = ± 1, то Y и X связаны линейной функциональной зависимостью.
Аналогично можно получить прямую среднеквадратической регрессии X на Y:
(***)
(- коэффициент регрессии X на Y) и остаточную дисперсию(1 -r2)величины X относительно Y.
Если r = ±1, то обе прямые регрессии, как видно из (**) и (***), совпадают.
Из уравнений (**) и (***) следует, что обе прямые регрессии проходят через точку (тх, mу), которую называют центром совместного распределения величин X и Y.
§ 21. Линейная корреляция. Нормальная корреляция
Рассмотрим двумерную случайную величину (X, Y). Если обе функции регрессии Y на X и X на Y линейны (см. § 15), то говорят, что X и Y связаны линейной корреляционной зависимостью. Очевидно, что графики линейных функций регрессии - прямые линии, причем можно доказать, что они совпадают с прямыми среднеквадратической регрессии (см. § 20). Имеет место следующая важная теорема.
Теорема. Если двумерная случайная величина (X, Y) распределена нормально, то X и Y связаны линейной корреляционной зависимостью.
Доказательство. Двумерная плотность вероятности (см. § 19)
, (*)
где , . (**)
Плотность вероятности составляющей X (см. § 19, замечание)
. (***)
Найдем функцию регрессии М (Y|х), для чего сначала найдем условный закон распределения величины Y при Х = х [см. § 14, формула (**)]:
.
Подставив (*) и (**) в правую часть этой формулы выполнив выкладки, имеем
.
Заменив и и v по формулам (**), окончательно получим
.
Полученное условное распределение нормально с математическим ожиданием (функцией регрессии Y на X)
и дисперсией .
Аналогично можно получить функцию регрессии X на Y:
.
Так как обе функции регрессии линейны, то корреляция между величинами X и Y линейная, что и требовалось доказать.
Принимая во внимание вероятностный смысл параметров двумерного нормального распределения (см. § 19), заключаем, что уравнения прямых регрессии
,
совпадают с уравнениями прямых среднеквадратической регрессии (см. § 20).
Задачи
1. Найти законы распределения составляющих дискретной двумерной случайной величины, заданной законом распределения
-
Y
X
x1
x2
x3
y1
y2
0,12
0,10
0,18
0,11
0.10
0,39
Отв. X x1 x2 x3 Y y1 y2
p 0,22 0,29 0,49 p 0,40 0,60
2. Найти вероятность того, что составляющая X двумерной случайной величины примет значение X < 1/2 и при этом составляющая Y примет значение Y < 1/3, если известна функция распределения системы
.
Отв. Р (Х < 1/2, Y < 1/3) = 9/16.
3. Найти вероятность попадания случайной точки (X; Y) в прямоугольник, ограниченный пряными x=π/4, x = π/2, у = π/6, у = π/3, если известна функция распределения
F (х, у) = sin x sin у (0≤ х ≤ π/2, 0 ≤ y ≤π/2).
Отв. P (π/4 < X < π/2, π/6 < Y < π/3) = 0,11.
4. Найти плотность распределения системы двух случайных величин по известной функции распределения
F (х, у)=(1-е-2x)(1-е-3y) (x≥0, y≥0).
Отв..
5. Внутри прямоугольника, ограниченного прямыми x = 0, x = π/2, у = 0, y = π/2, плотность распределения системы двух случайных величин f(x, ,y)=C sin (x + y); вне прямоугольника f(x, y) = 0. Найти: а) величину С; б) функцию распределения системы.
Отв. а) С = 0,5; б) F(x, у) =0,5 [sin x + sin у—sin (x + y)] (0≤x≤π/2, 0≤y≤π/2).
6. Система двух случайных величин распределена равномерно: в прямоугольнике, ограниченном прямыми х = 4, х = 6, y=10, у = 15, функция f (x, у) сохраняет постоянное значение, а вне этого прямоугольника она равна нулю. Найти: а) плотность f (х, у) совместного распределения; б) функцию распределения системы.
Отв. а) f(x,y)=
б) F(x,y)=.
7. Плотность совместного распределения системы двух случайных величин
f(x,y)=.
Найти: а) величину C; б) функцию распределения системы.
Отв. а)C=6/π2 ; б) F(x,y)=.
8. Двумерная случайная величина задана плотностью совместного распределения
.
Найти условные законы распределения составляющих.
Отв. ;.
ЧАСТЬ ТРЕТЬЯ
ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
Глава пятнадцатая
ВЫБОРОЧНЫЙ МЕТОД