- •2 Определители матриц
- •4 Координаты на прямой в плоскости и пространстве.Оси,направленные отрезки.
- •5 Векторы. Линейные операции над векторами, разложение вектора по базису
- •Линейные операции над векторами
- •Базис и разложение по базису
- •Обозначения
- •6 Скалярное,векторное и смешанное произведение векторов.
- •18 Основные правила нахождения производной
- •19 Применение производной к нахождению нибольших и наименьших значений функций на отрезке.
- •20 Функции 2 переменных. Частные производные. Перестановочность частных производных.Линии уровня.Градиент.
- •Способы задания функции
- •Непрерывность функции двух переменных
- •Основные свойства непрерывных функций двух переменных
- •21 Пределы и непрерывность функций 2 переменных. Особые точки
- •Особые точки векторных полей на плоскости
- •22 Двойные интегралы. Мин и Макс значение функции 2 переменных в области
- •25 Разложение в степенные ряды основных элементарных функций.Формула Моавра.
- •26 Дифференциал функции.
- •27 Применение дифференциала
- •29 Таблица основных неопределённых интегралов.
- •35 Элементы комбинаторики-перестановки,размещения, сочетания
- •Размещения, перестановки, сочетания
- •Свойства чисел
- •Треугольник Паскаля
- •36 Понятие случайного события, вероятность события.
- •0 Ј p(a) ј 1
- •37 Основные правила нахождения вероятности события.38,39
- •40 Схема Бернулли. Формула Пуасова. Локальная и интегральные формулы Моавра-Лапласа
- •41 Функция распределения. Закон распределения.
- •42 Корреляция. Вычисление коэффицициентов корреляции.
41 Функция распределения. Закон распределения.
Пусть = {} - дискретное (конечное или счетное) пространство элементарных событий.
Случайной величиной называется функция, определенная на множествеи принимающая вещественные (комплексные) значения.
Если - случайная величина, а,, ...- ее значения, то совокупность всех элементарных событий, на которыхпринимает фиксированное значение, образует событие
{} =, т.е.
Обозначим через вероятность этого события:
(знак суммы означает, что сумма берется по таким, для которых X(=x.
Функция {} =(=1, 2, ...) называетсязаконом распределения (вероятностей) дискретной случайной величины (д.с.в.) .
Учитывая, что при экспериментах фиксируются значения случайной величины, закон распределения д.с.в. даем в виде таблицы
X |
... |
... | |||
... |
... |
где в верхней строчке написаны значения случайной величины, а в нижней - под каждым - вероятности{}. Заметим, что
{<} называетсяинтегральной функцией распределения с.в. .
Свойства интегральной функции распределения:
1.
2.
3.
4.
Если - д.с.в., тогде суммируются вероятности тех значений, которые меньше.
Пример 61. Найти закон и интегральную функцию распределения индикатора события.
Решение. Индикатором события A называется д.с.в.
Закон распределения индикатора имеет вид
0 |
1 | |
где ,.
Интегральная функция распределения индикатора задается следующим образом:
Пример 62. Найти закон и интегральную функцию распределения для числа выпадения "герба" при трех подбрасываниях монеты.
Решение. Пусть = {подбрасывание монеты три раза} и= {число выпадений "герба"}. Тогда искомый закон распределения можно записать двумя нижними строками таблицы:
PPP |
PPГ |
PГP |
ГPP |
PГГ |
ГPГ |
ГГP |
ГГГ | |
0 |
1 |
2 |
3 | |||||
1/2 |
3/2 |
3/2 |
1/2 |
А интегральная функция распределения д.с.в. задается следующим образом:
Построим график интегральной функции распределения:
Рис. 44
Интегральная функция распределения д.с.в. непрерывна слева.
42 Корреляция. Вычисление коэффицициентов корреляции.
Здесь речь пойдёт о связи (корреляции) между двумя переменными. Расчёты подобных двумерных критериев взаимосвязи основываются на формировании парных значений, которые образовываются из рассматриваемых зависимых выборок.
Если в качестве примера мы возьмём данные об уровне холестерина для первых двух моментов времени из исследования гипертонии, то в данном случае следует ожидать довольно сильную связь: большие значения в исходный момент времени являются веским поводом для ожидания больших значений и через 1 месяц.
Для графического представления подобной связи можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. Каждая пара значений маркируется при помощи определенного символа. Такой график, называемый «диаграммой рассеяния» для двух зависимых переменных можно построить путём вызова меню Graphs... (Графики) Scatter plots... (Диаграммы рассеяния).
Образовавшееся скопление точек показывает, что обследованные пациенты с высокими исходными показателями, как правило, имеют высокие значения холестерина и при повторном опросе через месяц. Это, конечно же, не является неожиданностью; данный пример был выбран, чтобы продемонстрировать наличие явной связи.
Статистик говорит о корреляции между двумя переменными и указывает силу связи при помощи некоторого критерия взаимосвязи, который получил название коэффициента корреляции. Этот коэффициент, всегда обозначаемый латинской буквой R, может принимать значения между -1 и +1, причём если значение находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0, то слабой.
Диаграммы рассеяния
Если коэффициент корреляции отрицательный, это означает наличие противоположной связи: чем выше значение одной переменной, тем ниже значение другой. Сила связи характеризуется также и абсолютной величиной коэффициента корреляции. Для словесного описания величины коэффициента корреляции используются следуюшие градации:
Значение |
Интерпретация |
до 0,2 |
Очень слабая корреляция |
до 0,5 |
Слабая корреляция |
до 0,7 |
Средняя корреляция |
до 0,9 |
Высокая корреляция |
свыше 0,9 |
Очень высокая корреляция |
Метод вычисления коэффициента корреляции зависит от вида шкалы, к которой относятся переменные.
Переменные с интервальной и с номинальной шкалой: коэффициент корреляции Пирсона (корреляция моментов произведений).
По меньшей мере, одна из двух переменных имеет порядковую шкалу либо не является нормально распределённой: ранговая корреляция по Спирмену или т (тау) Кендала.
Одна из двух переменных является дихотомической: точечная двухрядная корреляция. Эта возможность в SPSS отсутствует. Вместо этого может быть применён расчёт ранговой корреляции.
Обе переменные являются дихотомическими: четырёхполевая корреляция. Данный вид корреляции рассчитываются в SPSS на основании определения мер расстояния и мер сходства.
Расчёт коэффициента корреляции между двумя недихотомическими переменными не лишён смысла только тогда, кода связь между ними линейна (однонаправлена). Если связь, к примеру, U-образная (неоднозначная), то коэффициент корреляции непригоден для использования в качестве меры силы связи: его значение стремится к нулю.