II. Analiza zależności (współzależności) zjawisk
Kowariancja
cov(x, y) = — Y, (*« - x) ’ (Vi - y)
iV t=i
Współczynnik korelacji liniowej Pearsona
cov(x, y) r*y s{x) • s(y)
gdzie
s(x), s(y) odchylenia standardowe zmiennych x, y.
* rxy bada tylko liniową zależność między zmiennymi,
* rxy € (—1.1) i pozwala określić siłę i kierunek zależności liniowej
— jeśli |rxy| jest bliskie 0. to mamy słabą zależność liniową między zmiennymi.
— jeśli |rjy| jest bliskie 1, to mamy silną zależność liniową między zmiennymi,
— jeśli rxy > 0, to zależność między zmiennymi jest dodatnia,
— jeśli rxy < 0, to zależność między zmiennymi jest ujemna.
Funkcja regresji (II rodzaju)
gdzie
i)i = axi 4- b cov(x, y)
a =
średnie dla zm. X i Y.
Miary dopasowania funkcji regresji
* odchylenie standardowe reszt:
s» =
gdzie k to liczba parametrów funkcji regresji;
* współczynnik zbieżności:
.2 EŁifa-ft)*
* współczynnik determinacji:
- R2e (o,i),
- im większe R2 tym lepsze dopasowanie funkcji regresji <lo danych.
Standardowy błąd prognozy
\
gdzie xnrw to nowa obserwacja, dla której chcemy zrobić prognozę /(xnrui);
Tablica korelacyjna
X\Y |
Vi |
m |
IJm |
Hi. | |
Xi |
nu |
U\2 |
... |
ni m |
ni. |
x2 |
n2i |
n22 |
... |
n2,„ |
n2. |
xn |
n„i |
n„2 |
n«m |
n,». | |
n-J |
n.i |
n.2 |
n.m |
N |
3