КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Нелинейная корреляционная зависимость
Пример выполнения задания № 2
Задание. Дана корреляционная таблица зависимости x и y. Требуется найти коэффициент линейной корреляции, коэффициенты регрессии и написать уравнения прямых регрессий вида, а также вычислить среднее квадратическое отклонение. Таблица 6
Решение. 1. Сначала интервалы значений признаков заменим их средними значениями, например ; ; … и т.д. Затем, используя свойство 4 коэффициента линейной корреляции, уменьшим признаки x в (0,01), а y в (0,1), тогда новые признаки U и V будут связаны с x и y следующими соотношениями:
; (14) где a, b - множители масштабирования для признаков x и y. Для нашего случая, примем a = 0,01, а b = 0,1. Значения признаков U и V рассчитанные по формуле (14) приведены в таблице 7. Таблица 7
Все дальнейшие вычисления производятся со значениями признаков U и V. 2. Заполним таблицу 8. Таблица 8
3. Используя полученные значения, найдем следующие средние арифметические по формулам:
; ; ; ; Средние арифметические признаков U и V возведём в квадраты:
4. Найдем выборочные дисперсии по каждому признаку: ; , следовательно, средние квадратические отклонения по каждому признаку: ; 5. Коэффициент линейной корреляции вычисляется по формуле (12):
Вывод: Коэффициент корреляции , значит между признаками U и V, и следовательно, между переменными x и y, существует более сильная линейная функциональная связь. 6. Вычислим коэффициенты регрессии (11): 7. Уравнения прямых регрессии, согласно (10), запишутся: или Подставим найденные значения и получим уравнения регрессий: 8. Среднее квадратическое отклонение определяется по формуле (13): . Вывод: полученные уравнения регрессий точно описывают функциональную линейную зависимость между x и y.
Если линии регрессий не являются уравнениями прямых, то коэффициент корреляции не дает полного представления о силе связи между величинами x и y. Для выбора и обоснования типа кривой регрессии нет универсального метода. На практике чаще всего в качестве нелинейной зависимости выбирают либо параболическую, либо гиперболическую зависимость. В этом случае за меру зависимости признаков берут корреляционные отношения, которые являются показателем рассеяния точек корреляционного поля относительно эмпирической линии регрессии и вычисляются по формулам: ; (14) . (15) где и - межгрупповые средние квадратические отклонения признаков y и x; и - общие средние квадратические отклонения признаков x и y.
Чем выше , тем теснее связь, тем большее влияние на вариацию переменной у оказывает изменчивость х по сравнению с неучтенными факторами и наоборот. Аналогично для корреляционного отношения . Основные свойства корреляционных отношений обладают следующими свойствами: 1. Они всегда заключены между 0 и 1, т.е. . 2. Если они равны нулю, то это есть необходимое и достаточное условие отсутствия корреляционной зависимости признаков x и y. 3. Если они равны 1, то между признаками x и y существует функциональная зависимость. 4. Между коэффициентом линейной корреляции и корреляционными отношениями существует следующая взаимосвязь:
5. Корреляционные отношения не зависят от масштабирования:
если и .
Дата добавления: 2015-07-02; Просмотров: 1315; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |