- •Лекция 1 Задачи линейного программирования
- •1. Задача оптимального планирования производства
- •2. Графический метод решения задач линейного программирования
- •3. Алгоритм симплекс-метода решения задач линейного программирования
- •4 Решение задач линейного программирования средствами Excel
- •Лекция 2. Элементы теории матричных игр
- •1. Платежная матрица. Нижняя и верхняя цена игры
- •2 Приведение матричной игры к задаче линейного программирования.
- •3 Пример решения матричной игры средствами Excel
- •Лекция 3. Транспортная задача
- •1 Закрытая транспортная задача
- •2. Открытая транспортная задача
- •3 Пример решения транспортной задачи средствами Excel
- •Лекция 4. Сетевое планирование
- •1. Сетевой график и его элементы
- •2. Резервы времени выполнения работ сетевого графика
- •3 Пример построения сетевого графика и расчета резервов времени
- •Лекция 5. Динамическое программирование
- •1. Задача о распределении средств между предприятиями
- •2. Пример решения задача о распределении средств между предприятиями
- •Лекция 6. Ковариационный анализ
- •1. Коэффициенты ковариации и корреляции
- •2. Расчет коэффициентов ковариации и корреляции в табличном процессоре Microsoft Excel
- •3. Понятие о методе ранговой корреляции
- •Тема 7. Парная линейная регрессия
- •1. Линейное уравнение регрессии
- •2. Построение линейного уравнения регрессии в пакете «Stadia»
- •1 Построение множественного линейного уравнения регрессии в Excel
- •2 Пример построения линейной производственной функции
- •Лекция 9. Кластерный анализ
- •9 Иерархические кластер-структуры
- •2. Проведение кластерного анализа в пакете «Stadia»
- •Лекция 10. Дискриминантный анализ
- •1. Основные сведения о дискриминантном анализе
- •2. Проведение дискриминантнрого анализа в пакете «Stadia»
3. Понятие о методе ранговой корреляции
При изучении признаков с непрерывными и неизвестными законами распределения классические подходы корреляционного анализа неэффективны. В этих случаях для изучения тесноты связей применяют, например, метод ранговой корреляции.
Пусть дан вариационный ряд признака Х:. Рангом наблюдаемого значенияпризнакаХназывается номер этого наблюдения в вариационном ряду, т.е.R() =jпри условии, что неравенства строгие. Если встречаются одинаковые члены, то в качестве ранга берется среднее арифметическое соответствующих номеров. Например, сумма оценок, полученных студентами на двух экзаменах, образуют вариационный ряд: 5, 5, 5, 7, 8, 9, 10, 10. Ранг трех студентов в начале ряда (1 + 2 + 3) / 3 = 2 илиR(5) = 2;R(7) = 4,R(8) = 5,R(9) = 6,R(10) = (7 + 8) / 2 = 7,5.
При изучении связи между ХиYпредположим, что выборка упорядочена поХ. Тогда ей соответствует следующая матрица (подстановка):
,
в которой первая строка состоит из рангов наблюдений Х, а вторая из рангов наблюденийY.
Для изучения связи между ХиYиспользуют эти подстановки или ранги. Жесткой функциональной положительной связи междуХ иY соответствует подстановка:
,
а жесткой отрицательной связи подстановка:
.
Остальные n-2 подстановки получаются при той или иной степени связи.
Два элемента перестановки R() иR() инверсны (не образуют порядка), еслиR() стоит левееR(j) и больше его. Если при этом условииR() меньшеR(j), то инверсии нет, и они образуют порядок.
В качестве меры связи берут разность между суммами чисел порядков Nи чисел беспорядковQ, образованных элементами второй строки подстановки.
С помощью комбинаторики можно определить вероятности получения перестановок заданной меры связи. Например, для подстановок из четырех элементов рассмотрим расчетную таблицу:
Число порядков N |
Число инверсий Q |
Мера сходства |
Подстановки |
Вероятность |
0 |
6 |
-6 |
4321 |
1/24 |
1 |
5 |
-4 |
3421, 4231, 4321 |
3/24 |
2 |
4 |
-2 |
3412, 4132, 4213, 2431, 3241 |
5/24 |
3 |
3 |
0 |
3214, 2413, 4123, 3142, 1432, 2341 |
6/24 |
4 |
2 |
2 |
2143, 1423, 2314, 3124, 1342 |
5/24 |
5 |
1 |
4 |
2134, 1324, 1243 |
3/24 |
6 |
0 |
6 |
1234 |
1/24 |
Из таблицы видно, что распределения вероятностей симметричны относительно центра =N –Q = 0. Отсюда следует, что таблицы для решения задач проверки гипотез относительно меры сходства (или связи) можно давать для неотрицательных значений.
Коэффициент ранговой корреляции Кендалла определяется по формуле:
.
Коэффициент ранговой корреляции Спирмена определяется по формуле:
, где.
Пример 3. В таблице приведены данные о стаже работы (Х) и времени выполнения печати текста (Y) 10 машинисток. Вычислить коэффициенты ранговой корреляции Кендалла и Спирмена.
№ машинистки |
Стаж, Х |
Время выполнения задания, Y |
1 |
32 |
12 |
2 |
15 |
24 |
3 |
16 |
23 |
4 |
18 |
21 |
5 |
20 |
20 |
6 |
28 |
9 |
7 |
21 |
11 |
8 |
29 |
10 |
9 |
23 |
15 |
10 |
17 |
16 |
Решение.Расположим пары наблюденийв порядке возрастанияХ, получаем таблицу:
Х |
15 |
16 |
17 |
18 |
20 |
21 |
23 |
28 |
29 |
32 |
Y |
24 |
23 |
16 |
21 |
20 |
11 |
15 |
9 |
10 |
12 |
По этой таблице составляем матрицу подстановок, в которой первая строка состоит из рангов наблюдений Х, а вторая –Y:
.
Подсчитываем меру сходства , приписывая числу инверсий, образуемых элементами второй перестановки (строки), знак минус. Так, например, для 10 имеем -9, для 6 – (2 – 5) = -3, …, для 4 – 1. Суммируя их, получаем= -31.
Вычисляем коэффициент ранговой корреляции Кендалла:
.
Вычисляем коэффициент корреляции Спирмена. Сначала вычисляем
;
.
Итак, связь между стажем машинистки и временем, затраченным на работу, можно считать доказанной, т.е. чем больше стаж, тем меньше затраты времени.
Коэффициент корреляции Спирмена и Кендалла можно рассчитать в пакете «Stadia».