Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Тема 7: Статистическое изучение связей между признаками ⇐ ПредыдущаяСтр 3 из 3
Уравнение регрессии выражает ср. вел-ну рез. признака как ф-цию факт. признака. Уравнение регрессии в общем виде: Уравнение регрессии – линия, вокруг кот. группируются точки корр. поля. Прежде чем определить уравнение регрессии нужно определить его форму (линейная, парабола, гипербола, логарифм). Чаще всего используется линейная форма связи (для парной корреляции (1 рез. и 1 факт)): – теор. зна-ние рез. приз-ка; – факт. признак; – параметры ур. регрессии. Чаще эти параметры ищут испо-зуя метод наименьших квадратов: Для линейн. формы: Далее получаем следующую систему Проверка правильности расчета. Для этого в ур. подставляют вместо , вместо (средняя). Если получается тождество, то уравнение рассчи-но верно. Основные показатели теснотысвязи между признаками: 1) линейный коэффициент корреляции среднеквадратичное отклонение факт. признаков Чем ближе к 1 или -1, тем теснее связь между признаками. 2) эмпирическое коррел. отношение (см.тему ср. величины)
(коэф. детерминации), – межгруппов. дисперсия, - общая дисперсия Чем ближе к 1 или -1, тем теснее связь между признаками. 3) коэффициент рангов Спирмена Каждой единице совокупности в порядке возраст. значений присваивают номер, кот. наз-ют рангом. f – разность. рез. и факт. признаков (вариант и частот)
|