- •Основные сведения о матрицах. Операции над матрицами.
- •2.Определитель n-го порядка и их свойства.
- •Определители любого порядка. Свойства определителей.
- •6.Решение системы n линейных уравнений с n неизвестными методом обратных матриц.
- •7. Система m линейных уравнений с n неизвестными. Метод Гаусса.
- •9. Модель Леонтьева многоотраслевой экономики (балансовый анализ).
- •10. Расстояние между двумя точками. Деление отрезка в данном отношении. Площадь треугольника.
- •11. Линии первого порядка на плоскости.
- •12. Параллельность и перпендикулярность прямых.
- •13. Расстояние от точки до прямой.
- •14.Вектор. N-мерное векторное пространство. Линейные операции над векторами.
- •15. Линейная зависимость и независимость векторов. Базис. Разложение вектора по базису.
- •16. Предел функций в точке. Арифметические операций над пределами.
- •Первый замечательный предел
- •Второй замечательный предел
- •18. Бесконечно малые и бесконечно большие функций. Свойства.
- •Свойства бесконечно малых
- •19. Сравнение бесконечно малых.
- •22. Разрывы первого и второго рода.
- •23. Задача о производительности труда. Определение производной. Зависимость между непрерывностью и дифференцируемостью функции.
- •Понятие производной
- •24.Основные правила дифференцирования. Производные элементарных функций. Правила дифференцирования
- •25.Производные обратной и сложной функций.
- •26. Производные и дифференциалы высших порядков.
- •27.Понятие дифференциала функции. Применение дифференциала в приближенных вычислениях.
- •28.Основные теоремы дифференциального исчисления: Ферма, Ролля, Лагранжа.
- •29.Раскрытие неопределенностей.
- •30.Экстремумы функций. Необходимые и достаточные условие экстремума.
- •31.Наибольшее и наименьшее значение функций.
- •32.Выпуклость, вогнутость и точки перегиба кривой.
- •33.Асимптота графика функций. Общая схема исследования и построение графика функций.
- •34.Первообразная функций и неопределенный интеграл. Свойства неопределенного интеграла.
- •41.Дифференциальные уравнения с разделяющимися переменными.
- •42.Однородные линейные дифференциальные уравнения первого порядка.
- •43.Линейные дифференциальные уравнения первого порядка. Использование дифференциальных уравнении в экономике.
- •44. Определение функции двух переменных. Линии и поверхности уровня функции двух переменных.
- •45. Частные производные. Полное производное и полный дифференциал.
- •46. Производная по направлению. Градиент функции.
- •47. Экстремум функции многих переменных (необходимое и достаточное условия).
- •48. Наибольшее и наименьшее значения функции.
- •49. Метод Лагранжа.
- •50. Классическое и статистическое определение вероятности.
- •51. Элементы комбинаторики.
- •52. Теоремы сложения и умножения вероятностей.
- •53. Условная вероятность. Теорема сложения вероятностей для совместных событий.
- •54. Формула полной вероятности. Формула Бейеса.
- •55. Формула Бернулли. Формула Пуассона.
- •56. Понятие случайной величины. Закон распределения дискретных случайных величин.
- •57. Числовые характеристики дискретных случайных величин.
- •58. Биноминальный закон распределения.
- •59. Непрерывная случайная величина. Закон распределения вероятностей и основные числовые характеристики.
- •60. Функция плотности вероятностей.
- •61. Нормальное распределение.
- •62. Неравенство и теорема Чебышева. Закон больших чисел.
- •63. Задача математической статистики. Выборочный метод. Статистические оценки параметров распределения.
- •64. Несмещенные, эффективные и состоятельные оценки.
- •65. Интервальная оценка.
- •66. Корреляционный анализ. Линейная регрессия. Коэффициент корреляции.
66. Корреляционный анализ. Линейная регрессия. Коэффициент корреляции.
Корреляционный анализ — метод обработки статистических данных, заключающийся в изучении коэффициентов корреляции между переменными. При этом сравниваются коэффициенты корреляции между одной парой или множеством пар признаков для установления между ними статистических взаимосвязей. Цель корреляционного анализа — обеспечить получение некоторой информации об одной переменной с помощью другой переменной. В случаях, когда возможно достижение цели, говорят, что переменные коррелируют. В самом общем виде принятие гипотезы о наличии корреляции означает что изменение значения переменной А, произойдет одновременно с пропорциональным изменением значения Б. Корреляция отражает лишь линейную зависимость величин, но не отражает их функциональной связности. Например, если вычислить коэффициент корреляции между величинами A = sin(x) и B = cos(x), то он будет близок к нулю, то есть (линейная) зависимость между величинами отсутствует. Между тем, величины A и B очевидно связаны функционально по закону sin2(x) + cos2(x) = 1. Линейная Регрессия. Некая фирма решила использовать модель линейной регрессии для определения зависимости вида y = a + bx между годовым объемом продаж и годовыми расходами на рекламу. За предшествующие годы были собраны следующие данные:
Объем продаж (млн. $) (yi) |
Расходы на рекламу (тыс. $) (xi) |
28 |
71 |
14 |
31 |
19 |
50 |
21 |
60 |
16 |
35 |
1. Найдем линейную теоретическую функцию регрессии y = a + bx и параметры линейной регрессии (коэффициенты регрессии) a и b, используя метод наименьших квадратов. Для этого надо решить следующую систему уравнений: В нашем случае n=5 - число наблюдений и:
Подставив эти значения в вышеуказанные уравнения: 98 = 5a + 247b 5192 = 247a + 13327b
Решив эту систему относительно a и b, получим a=4,2 и b=0,31. Таким образом, ожидаемые продажи будут составлять 4.2 плюс 0.31 умножить на рекламный бюджет, y = 4,2 + 0,31x То есть, если расходы на рекламу на следующий год составят $40 000, то можно ожидать, что продажи составят $16 600 000. На графике наблюдения и функция регрессии выглядят следующим образом: a называется постоянным коэффициентом линейной регрессии, а b переменным коэффициентом линейной регрессии.
Итого, в Части 1 из статистических данных мы получили: теоретическую функцию регрессии, постоянный и переменный коэффициенты регрессии.
В Части 2 мы получим: средние квадратические отклонения ошибок коэффициентов регрессии, коэффициент детерминации r2, доверительные интервалы для оценки значимости параметров модели. Коэффициент корреляции. Как мы знаем, если и - независимые случайные величины, то по свойству математического ожидания (72) Если же и не являются независимыми случайными величинами, то, вообще говоря, . Условились за меру связи (зависимости) двух случайных величин и принять безразмерную величину соотношением. (73) и называемую коэффициентом корреляции. Рассмотрим некоторые свойства коэффициента корреляции.
Если и - независимые случайные величины, то коэффициент корреляции равен нулю. Это свойство непосредственно вытекает из соотношений (72) и (73). Заметим, что обратное утверждение, вообще говоря, неверно, т. е. если , то отсюда еще не следует, что и независимы.