Wzory 23
WZORY 23: relacja między kwadratem wskaźnika korelacyjnego a kwadratem współczynnika korelacji liniowej w dwuwymiarowym rozkładzie normalnym
Łatwo można wykazać, że w dwuwymiarowym rozkładzie normalnym zmiennej losowej (X, Y) prawdziwa jest relacja: |
(23.1) |
Jak wykazano w literaturze przedmiotu (por. M. Fisz: Rachunek prawdopodobieństwa i statystyka matematyczna, PWN, Warszawa 1969, s. 172) rozkład warunkowy zmiennej losowej Y przy założeniu X = x jest rozkładem normalnym o wartości oczekiwanej E(Y/X = x) = m2(x): |
(23.2) E(Y/X = x) = m2(x) = m2 + |
I analogicznie rozkład warunkowy zmiennej losowej X przy założeniu Y = y jest rozkładem normalnym o wartości oczekiwanej E(X/Y = y) = m1(y): |
(23.3) E(X/Y = y) = m1(y) = m1 + |
gdzie |
m1 = E(X), m2 = E(Y), |
|
Jak łatwo zauważyć, wartości oczekiwane warunkowe (23.2) i (23.3) są liniowymi funkcjami współczynnika korelacji |
Zatem |
E[m2(x) - E(Y)]2 = E[m2 + |
Stąd |
E[m2(x) - E(Y)]2 = |
W dwuwymiarowym rozkładzie normalnym mamy: |
E[Y - E(Y)]2 = D2(Y) = |
Otrzymane wyniki podstawiamy do wzoru wskaźnika korelacyjnego: |
(23.4) . |
Wykazaliśmy zatem, że w dwuwymiarowym rozkładzie normalnym łącznej zmiennej losowej (X, Y) prawdziwa jest relacja (23.1), a zatem i relacja (23.5): |
(23.5) |
Wskaźnik korelacyjny i współczynnik korelacji liniowej powiązane są, w rozkładach innych niż dwuwymiarowy normalny, następującymi zależnościami: |
(23.6) , |
dla cov(X, Y) … 0, czyli dla |
(23.7) , |
dla E[m2(xi) - E(Y)]2 … 0, czyli dla |
Źródło: Zestawienie własne na podstawie podręcznika M. Fisz: Rachunek prawdopodobieństwa i statystyka matematyczna, PWN, Warszawa 1969, s. 172. |