Korrelyasiya əmsalı həm sistemin təsadüfi dəyişənlərin (SSV) korrelyasiya anının nisbəti və onun maksimum dəyəri olan korrelyasiya normallaşdırılmış momenti adlanır. Öz növbəsində, korrelyasiya anına ikinci dərəcəli qarışıq mərkəzi moment (MSC X və Y) deyilir.
Təlimat
Addım 1
Qeyd etmək lazımdır ki, W (x, y) dəyəri TCO-nun birgə ehtimal sıxlığı olacaqdır. Öz növbəsində, korrelyasiya anı, TCO dəyərlərinin orta dəyərlərin müəyyən bir nöqtəsinə nisbətən qarşılıqlı səpələnməsinin xarakteristikası olacaq (riyazi gözləntilərim my və mx), sərbəst dəyərlər göstəriciləri arasındakı xətti əlaqə səviyyəsi X və Y.
Addım 2
Nəzərə alınan korrelyasiya anının xüsusiyyətlərini nəzərdən keçirin: Rxx = Dx (dispersiya); R (xy) = 0 - X və Y müstəqil göstəriciləri üçün. Bu vəziyyətdə aşağıdakı tənlik keçərlidir: M {Yts, Xts} = 0, bu vəziyyətdə xətti bir əlaqənin olmadığını göstərir (burada demək istəmirik) hər hansı bir əlaqə, lakin, məsələn, kvadratik). Bundan əlavə, X və Y dəyərləri arasında xətti bir sərt əlaqə varsa, aşağıdakı tənlik etibarlı olacaq: Y = Xa + b - | R (xy) | = bybx = max.
Addım 3
R (xy) nəzərinə qayıdın - mənası təsadüfi dəyişənlər arasındakı xətti əlaqədə olmalıdır bir korrelyasiya əmsalı. Dəyəri -1 ilə bir arasında dəyişə bilər, əlavə olaraq bir ölçü ola bilməz. Buna görə R (yx) / bxby = R (xy).
Addım 4
Alınan dəyərləri qrafaya köçürün. Bu, empirik şəkildə əldə edilmiş X və Y indekslərinin normallaşmış korrelyasiya anının mənasını təsəvvür etməyinizə kömək edəcəkdir, bu halda müəyyən bir müstəvidəki nöqtənin koordinatları olacaqdır. Xətti sərt bir əlaqə olduqda, bu nöqtələr düz Y = Xa + b düz bir xətt üzərində uzanmalıdır.
Addım 5
Müsbət korrelyasiya dəyərlərini götürün və nəticələnən qrafada birləşdirin. R (xy) = 0 tənliyi ilə təyin olunmuş bütün nöqtələr (mx, my) mərkəz bölgəsi olan bir ellips içərisində olmalıdır. Bu vəziyyətdə, bir sentin yarı vergilərinin dəyəri təsadüfi dəyişənlərin varyanslarının dəyərləri ilə müəyyən ediləcəkdir.
Addım 6
Nəzərə alın ki, eksperimental metodla əldə edilmiş SV dəyərləri ehtimal sıxlığını 100% əks etdirə bilməz. Buna görə tələb olunan miqdarların təxminlərindən istifadə etmək ən yaxşısıdır: mx * = (x1 + x2 +… + xn) (1 / n). Sonra mənim * -imə bənzər sayın.
