gdzie mx (odpowiednio my) jest wartością oczekiwaną zmiennej X (odpowied-
nio zmiennej Y). W celu obliczenia Cov(Y, Y), uzupełniamy tabele |
o wartość | ||||
iloczynu X{yi dla i = 1,2, 3,4,. |
..,9. | ||||
X 2,7 4,6 6,3 |
7,8 |
9,2 10,6 |
12 |
13,4 |
14,7 |
Y 17 16,2 13,3 |
13 |
9,7 9,9 |
6,2 |
5,8 |
5,7 |
XY 45,9 74,52 83,79 |
101,4 |
89,2 104,94 |
74,4 |
77,72 |
83,79 |
Pxy = ~l°n~ = “0^98 ponieważ \Pxy\ jest bliskie jedności zatem zmienne x i y są liniowo zależne. Zależność ta dana jest wzorem
y — 10,76 = — 1,06(x — 9,03) □
Testy niezależności
Badamy populację ze względu na 2 cechy X, Y. Czy cechy te są niezależne. Zadanie 3. Mamy dane
Y\X
1
2
3
1 |
2 |
3 |
4 |
5 |
2 |
4 |
0 |
3 |
3 |
24 |
24 |
24 |
24 | |
2 |
1 |
2 |
1 |
0 |
24 |
24 |
24 |
24 | |
3 |
1 |
0 |
1 |
2 |
24 |
24 |
24 |
24 |
w celu znalezienia znaleziena współczynnika korelacji p(X,Y), musimy wyznaczyć Cov(Y, Y) = ^PijTiyi -z-y, gdzie x jest wartością oczekiwaną zmiennej losowej X (podobnie y jest wartością oczekiwaną zmiennej losowej Y). Z tabeli obliczamy wartości zmiennych losowych X i Y
Y\X
1
2
3
1 |
2 |
3 |
4 |
5 |
2 |
4 |
0 |
3 |
3 |
24 |
24 |
24 |
24 | |
2 |
1 |
2 |
1 |
0 |
24 |
24 |
24 |
24 | |
3 |
1 |
0 |
1 |
2 |
24 |
24 |
24 |
24 | |
7 |
6 |
2 |
5 |
5 |
24 |
24 |
24 |
24 |
24 |
12
24
_6_
24
7_
24
Pxy =
Cov(X, Y)
O XGY
-0,07
v/2, 274 • 0,6878
2