- •Рязань 2009
- •Глава 1. Предел функции
- •1.1. Определение предела
- •1.2. Операции над пределами
- •1.3. Замечательные пределы
- •1.4. Примеры
- •1.5. Варианты заданий
- •1.6. Контрольные вопросы Глава 2. Производная и дифференциал
- •2.1 Понятие производной
- •2.2. Геометрический и физический смысл производной
- •2.3. Таблица производных
- •2.4. Основные правила дифференцирования
- •2.5. Производные высших порядков
- •2.6. Дифференциал функции
- •2.7. Геометрический смысл и свойства дифференциала
- •2.8. Дифференциалы высших порядков
- •2.9. Примеры
- •2.10. Варианты заданий
- •2.11. Контрольные вопросы
- •Глава 3. Исследование функций и построение графиков
- •3.1. Промежутки монотонности и знакопостоянства
- •3.2. Экстремумы функции
- •3.3. Выпуклость и вогнутость функции. Точка перегиба
- •3.4. Асимптоты
- •3.5.Общая схема исследования функции и построение графиков
- •3.6. Примеры
- •3.7. Варианты заданий
- •3.8. Контрольные вопросы
- •Глава 4. Функции нескольких переменных
- •4.1. Определение функции нескольких переменных
- •4.2. Частные производные
- •4.3. Полный дифференциал
- •4.5. Примеры
- •4.6. Варианты заданий
- •4.7. Контрольные вопросы Глава 5. Численное дифференцирование
- •5.1. Формулы для вычисления первой производной
- •5.2. Формулы второй производной
- •5.3. Примеры
- •5.4. Варианты заданий
- •5.5. Контрольные вопросы Глава 6 Основы интерполяции.
- •6.1. Постановка задачи
- •Интерполяционные формулы конечных разностей
- •6.3. Интерполяционные формулы центральных разностей
- •6.4. Интерполирование функции с не равноотстоящими узлами
- •6.5. Варианты заданий
- •6.6. Контрольные вопросы Глава 7. Неопределенный интеграл
- •7.1. Первообразная функция и неопределенный интеграл
- •7.2. Основные свойства неопределенного интеграла
- •7.3. Таблица простейших интегралов
- •7.4. Основные методы интегрирования
- •7.4.1. Непосредственное интегрирование
- •7.4.2. Метод подстановки (замена переменной)
- •7.4.3. Интегрирование по частям
- •7.5. Примеры
- •7.6. Варианты заданий
- •7.7. Контрольные вопросы
- •Глава 8. Определенный интеграл
- •8.1. Основные понятия и свойства определенного интеграла
- •Свойства определенного интеграла
- •8.2. Основные методы интегрирования
- •8.2.1. Формула Ньютона-Лейбница
- •8.2.2. Метод подстановки
- •8.2.3. Интегрирование по частям
- •8.3. Примеры
- •8.4. Варианты заданий
- •8.5. Биологические, физические и медицинские приложения определенного интеграла
- •8.5.1. Примеры задач прикладного характера.
- •8.5.2. Примеры решения задач.
- •8.5.3. Варианты заданий
- •Глава 9. Численное интегрирование
- •9.1. Формула прямоугольников
- •9.2. Формула трапеций
- •9.3. Метод средних
- •9.4. Формула Симпсона
- •9.5. Примеры
- •9.6. Варианты заданий
- •9.7. Контрольные вопросы
- •Глава 10. Дифференциальные уравнения
- •10.1. Основные определения
- •10.2. Уравнения с разделяющимися переменными
- •10.3. Однородные уравнения первого порядка
- •10.4. Линейные уравнения первого порядка
- •9.5. Примеры
- •I. Метод Лагранжа
- •II. Метод Бернулли
- •1) Метод вариации произвольной постоянной
- •2) Метод подстановки
- •10.6. Варианты заданий
- •10.7. Применение дифференциальных уравнений в биологии и медицине.
- •10.8. Варианты заданий
- •10.9. Контрольные вопросы
- •Глава 11. Численные методы решения дифференциальных уравнений
- •11.1. Метод Эйлера
- •10.2. Метод Рунге – Кутта
- •10.3. Примеры
- •11.4. Варианты заданий
- •11.4. Контрольные вопросы
- •Глава 12. Элементы теории вероятностей
- •12.1. Случайное событие
- •12.2. Комбинаторика
- •12.3. Вероятность случайного события
- •Закон сложения вероятностей
- •12.5. Варианты заданий
- •12.6. Условная вероятность, закон умножения вероятностей
- •12.7. Варианты заданий
- •12.8. Формулы полной вероятности и Байеса
- •12.9. Варианты заданий
- •11.10. Формулы Бернулли, Пуассона и Муавра-Лапласа
- •12.11. Варианты заданий
- •12.2. Случайные величины
- •12.2.1. Закон распределения случайной величины
- •12.2.2. Функция распределения случайных величин
- •12.2.3. Числовые характеристики дискретной случайной величины
- •12.2.4. Плотность вероятности непрерывных случайных величин
- •12.2.5. Нормальный закон распределения
- •12.3. Варианты заданий
- •Глава 13. Статистический анализ результатов исследований
- •13.1. Основные понятия математической статистики
- •13.1. Варианты заданий
- •13.2. Статистические оценки параметров распределения. Выборочные характеристики
- •13.2.1. Характеристики положения
- •13.2.2. Характеристики рассеяния вариант вокруг своего среднего
- •13.3. Варианты заданий
- •13.4. Оценка параметров генеральной совокупности по ее выборке
- •13.4.1. Точечная оценка параметров генеральной совокупности
- •13.5. Варианты заданий
- •13.6. Интервальная оценка параметров генеральной совокупности
- •13.7. Варианты заданий
- •1.8. Контрольные вопросы
- •Глава 14. Корреляционный и регрессионный анализ
- •14.1. Функциональная и корреляционная зависимости
- •14.2. Коэффициент линейной корреляции и его свойства
- •14.3. Проверка гипотезы о значимости выборочного коэффициента линейной корреляции
- •14.4. Выборочное уравнение линейной регрессии. Метод наименьших квадратов
- •14.5. Нелинейная регрессия
- •14.6. Варианты заданий
- •Приложение
- •Критические значения выборочного коэффициента корреляции
- •Критерий Колмогорова – Смирнова Точные и асимптотические границы для верхней грани модуля разности истинной и эмпирической функции распределения
- •Распределение Пирсона (х2– распределение)
- •Распределение Фишера – Снедекора (f-распределение)
- •Библиографический список
- •Содержание
- •Глава 13. Статистический анализ результатов исследований 160
- •Глава 14. Корреляционный и регрессионный анализ 180
14.1. Функциональная и корреляционная зависимости
Функциональная зависимость - это зависимость вида у =f(x), когда каждому возможному значению случайной величины X соответствует одно возможное значение случайной величины Y. Например, площадь круга S однозначно связана с радиусом окружности R: S = πR2 .
Корреляционная зависимость - это статистическая зависимость, проявляющаяся в том, что при изменении одной из величин изменяется среднее значение другой:
.
Например, рост и масса. При одном и том же росте масса различных индивидуумов может быть различна, но между средними значениями этих показателей имеется определенная зависимость.
Установление взаимосвязи между различными признаками и показателями функционирования организма позволяют по изменениям одних судить о состоянии других.
Для изучения корреляционной связи данные о статистической зависимости удобно задавать в виде корреляционной таблицы или в виде двумерной выборки.
Xi |
x1 |
x2 |
... |
хп |
Yi |
y1 |
y2 |
... |
yn |
Схема эксперимента следующая: пусть имеется выборка объема п из генеральной совокупности N. На каждом объекте выборки определяют числовые значения признаков, между которыми требуется установить наличие или отсутствие связи. Таким образом, получают 2 ряда числовых значений.
Для наглядности полученного материала каждую пару можно представить в виде точки на координатной плоскости. По оси абсцисс откладывают значения одного вариационного ряда - xi, а по оси ординат - другого - yi.
Такое изображение статистической зависимости называется полем корреляции, или корреляционным полем точек. Оно создает общую картину корреляции.
а б
Рис. 14.1. Поле корреляции
Если точки группируются вдоль некоторого направления (рис. 14.1а), то это говорит о наличии линейной корреляционной связи между признаками.
Если точки распределены равномерно (рис. 14.1б), то линейная корреляционная связь отсутствует.
На рисунке 13.2 приведены примеры зависимостей Y от X и отдельно даны значения коэффициента корреляции r. Найти соответствие между значениями коэффициента корреляции и графиками зависимостей.
Значения r:
1) 1; 2) 0,8; 3) 0; 4) -1.
Эталон ответа: 1...; 2...; 3...; 4....
Примеры зависимостей:
Рис. 14.2. Корреляционные поля точек
Ответ: 14.2а; 14.2в; 14.2г; 14.4б.
14.2. Коэффициент линейной корреляции и его свойства
На практике исследователя часто может интересовать не сама зависимость одной переменной от другой, а именно характеристика тесноты связи между ними, которую можно было бы выразить одним числом. Эта характеристика называется выборочным коэффициентом линейной корреляции r.
Требования к корреляционному анализу: корреляционный анализ - это метод, используемый, когда данные можно считать случайными и выбранными из совокупностей, распределенных по нормальному закону.
Выборочный коэффициент линейной корреляции r характеризует тесноту линейной связи между количественными признаками в выборке:
.
Если r > 0, то корреляционная связь между переменными прямая, при r < 0 - связь обратная.
Свойства коэффициента корреляции r.
Они проявляются при достаточно большом объеме выборки п.
1. Коэффициент корреляции принимает значения на отрезке -1 ≤ r ≤ 1. В зависимости от того, насколько |r| приближается к 1, различают связи:
r < 0,3 - слабая связь;
r = 0,3-0,5 - умеренная связь;
r = 0,5-0,7 - заметная (значительная);
r = 0,7-0,8 - достаточно тесная;
r = 0,8-0,9 - тесная (сильная);
r > 0,9 - очень сильная, то есть чем ближе |r| к 1, тем теснее связь.
При r = 1 - функциональная зависимость у = f(x).
Чем ближе |r| к 0, тем слабее связь.
При r = 0 линейная корреляционная связь отсутствует.
5. rxу = rух - случайные переменные симметричные; х и у могут взаимозаменяться, не влияя на величину r.
6. Если все значения переменных увеличить (уменьшить) на одно и то же число или в одно и то же число раз, то величина коэффициента корреляции не изменится.
7. Коэффициент корреляции величина безразмерная.
Построить корреляционное поле точек и вычислить коэффициент корреляции между ростом (X) и массой (Y) некоторых животных. Исходные данные приведены в выборке объема п = 10.
xi |
31 |
32 |
33 |
34 |
35 |
35 |
40 |
41 |
42 |
46 |
yi |
7,8 |
8,3 |
7,6 |
9,1 |
9,6 |
9,8 |
11,8 |
12,1 |
14,7 |
13,0 |
Решение:
.
Средний рост :
Средняя масса :
Находим:
Подставим полученные значения в формулу для r:
Величина r близка к 1, это говорит о тесной связи роста и массы.
Построить корреляционное поле точек и найти коэффициент корреляции между производительностью труда Y (тыс. руб.) и энерговооруженностью труда X (кВт) (в расчете на одного рабочего) для 14 предприятий региона по следующим данным:
xi |
2,8 |
2,2 |
3,0 |
3,5 |
3,2 |
3,7 |
4,0 |
4,8 |
6,0 |
5,4 |
5,2 |
5,4 |
6,0 |
9,0 |
yi |
6,7 |
6,9 |
7,2 |
7,3 |
8,4 |
8,8 |
9,1 |
9,8 |
10,6 |
10,7 |
11,1 |
11,8 |
12,1 |
12,4 |
Решение:
Подставим в формулу для r:
что говорит о тесной связи между переменными.