WEBVTT

00:00:08.137 --> 00:00:12.536
Итак, продолжаем изложение дисциплины
статистика.

00:00:12.696 --> 00:00:14.496
Семинарское занятие.

00:00:15.655 --> 00:00:22.254
Тема семь: статистическое изучение
взаимосвязи социально-экономических

00:00:22.374 --> 00:00:28.052
явлений. Обработка статистических данных
уже давно применяется в самых

00:00:29.817 --> 00:00:32.057
разнообразных видов человеческой
деятельности.

00:00:32.217 --> 00:00:37.295
Вообще говоря, трудно назвать ту сферу, в
которой бы она не использовалась.

00:00:37.455 --> 00:00:41.214
Но, пожалуй, ни в одной области знаний и
практической деятельности обработка

00:00:41.334 --> 00:00:46.093
статических данных не играет такой
исключительно большой роли, как в

00:00:46.133 --> 00:00:50.252
экономике, имеющее дело с обработкой и
анализом огромных массивов информации

00:00:51.386 --> 00:00:56.001
социально-экономических явлениях и
процессах Всесторонний

00:00:58.577 --> 00:01:03.336
И глубокий анализ этой информации, так
называемых статистических данных,

00:01:03.456 --> 00:01:08.535
предполагает использование различных
специальных методов важные место среди

00:01:08.615 --> 00:01:11.454
которых занимают
корреляционно-регрессионные анализ и

00:01:11.534 --> 00:01:13.694
обработке статистических данных.

00:01:14.934 --> 00:01:19.053
В экономических исследованиях часто решают
задачи выявления факторов

00:01:20.206 --> 00:01:24.050
определяющих уровень, динамику
экономического процесса.

00:01:29.054 --> 00:01:34.058
Такая задача чаще всего решается методами
корреляционно и регрессионного анализа.

00:01:35.347 --> 00:01:39.823
Для достоверного отображения объективно
существующих в экономике процессов

00:01:40.583 --> 00:01:46.417
необходимо выявить существенные
взаимосвязи и не только выявить, но и дать

00:01:46.457 --> 00:01:47.976
им количественную оценку.

00:01:48.576 --> 00:01:51.653
Этот подход требует вскрытия причинных
зависимостей.

00:01:53.555 --> 00:01:59.709
Под причинной зависимостью понимается
такая связь между процессами, когда

00:02:00.029 --> 00:02:06.982
изменение одного из них является
следствием изменения

00:02:07.221 --> 00:02:07.701
другого.

00:02:10.707 --> 00:02:15.710
Основными задачами корреляционного анализа
является оценка силы связи и проверка

00:02:15.830 --> 00:02:21.154
статистических гипотез о наличии силе
корреляционной связи.

00:02:26.580 --> 00:02:31.260
Не все факторы, влияющие на экономические
процессы, являются случайными величинами.

00:02:31.860 --> 00:02:37.301
Поэтому при анализе экономических явлений
обычно рассматриваются связи между

00:02:37.581 --> 00:02:40.181
случайными и неслучайными величинами.

00:02:41.101 --> 00:02:43.662
Такие связи называются регрессионными.

00:02:46.509 --> 00:02:50.789
А метод математической статистики их
изучающие называется регрессионного

00:02:50.869 --> 00:02:56.308
анализом. Использование возможностей
современной вычислительной техники,

00:02:56.428 --> 00:03:01.547
оснащённой пакетами программ машинной
обработки и статистической информации НВ,

00:03:02.027 --> 00:03:03.747
делает практически осуществимым

00:03:07.322 --> 00:03:12.838
Оперативное решение задач изучения
взаимосвязей показателей биржевых ставок,

00:03:13.037 --> 00:03:15.595
биржевых ставок методами корреляционного.

00:03:15.835 --> 00:03:21.071
Это, к примеру, биржевых ставок методами
корреляционного регрессионного анализа.

00:03:21.710 --> 00:03:24.708
При машинной обработке исходной информации
NVM.

00:03:27.403 --> 00:03:33.884
Оснащённых пакетами стандартных программ
ведения анализа

00:03:34.764 --> 00:03:38.844
вычисление параметров применяемых
математических функций является быстро

00:03:39.004 --> 00:03:40.604
выполняемой счётной операцией.

00:03:44.238 --> 00:03:48.395
Исследователей нередко интересует, как
связаны между собой две или большее

00:03:48.515 --> 00:03:53.632
количество переменных в одной или
нескольких изучаемых выборках?

00:03:57.289 --> 00:04:00.492
Например, может ли влиять на вес человека?

00:04:00.693 --> 00:04:03.536
Или может ли рост влиять на вес человека?

00:04:03.616 --> 00:04:06.298
Или может ли давление влиять на качество
продукции?

00:04:08.201 --> 00:04:12.165
Такого рода зависимости между переменными
называются корреляционными или

00:04:12.325 --> 00:04:18.010
корреляцией. Корреляционная связь — это
согласованное изменение двух признаков,

00:04:18.851 --> 00:04:25.497
отражающее тот факт, что изменчивость
одного признака находится в соответствии с

00:04:25.537 --> 00:04:26.818
изменчивостью другого.

00:04:32.862 --> 00:04:36.540
Известно, например, что в среднем

00:04:40.099 --> 00:04:47.056
между ростом людей и их весом наблюдается
положительная связь и такая, что чем

00:04:47.256 --> 00:04:48.975
больше рост, тем больше вес человека.

00:04:49.736 --> 00:04:55.687
Однако правило имеет исключением, когда
относительно низкие люди имеют избыточный

00:04:55.767 --> 00:05:02.357
вес и наоборот, как астеники, при высоком
росте имеют малый вес.

00:05:03.675 --> 00:05:08.310
Причиной подобных исключений является то,
что каждый биологический, физиологический

00:05:08.430 --> 00:05:15.143
или психологический признак определяется
воздействием многих факторов: факторов

00:05:15.302 --> 00:05:19.418
среды, генетических факторов, социальных,
экологических и прочих.

00:05:21.692 --> 00:05:27.645
Корреляционные связи — это вероятностные

00:05:27.765 --> 00:05:30.841
изменения, которое можно изучать только на

00:05:34.677 --> 00:05:38.712
представительных выборках методами
математической статистики.

00:05:39.748 --> 00:05:43.624
Оба термина корреляционные связи и
корреляционная зависимость часто

00:05:43.704 --> 00:05:45.702
используются как синонимы.

00:05:47.301 --> 00:05:53.056
Зависимость подразумевает влияние, а связь
подразумевает любые согласованные

00:05:53.176 --> 00:05:59.730
изменения, которые могут объясняться
сотнями

00:05:59.850 --> 00:06:00.289
причин.

00:06:04.014 --> 00:06:09.535
Корреляционные связи не могут
рассматриваться как свидетельство

00:06:09.735 --> 00:06:11.495
причинно-следственной зависимости

00:06:17.456 --> 00:06:18.776
Они свидетельствуют лишь

00:06:20.345 --> 00:06:25.148
О том, что изменениям одного признака, как
правило, сопутствуют

00:06:26.829 --> 00:06:29.311
определённые изменения другого признака.

00:06:30.551 --> 00:06:37.156
Корреляционная зависимость — это
изменение,

00:06:37.316 --> 00:06:41.278
которое вносит значение одного признака.

00:06:43.356 --> 00:06:46.998
Вероятность появления разных значений
другого признака.

00:06:49.639 --> 00:06:55.883
Задача корреляционного анализа сводится к
установлению направления либо

00:06:55.963 --> 00:06:58.204
положительное, либо отрицательное
направление.

00:07:01.423 --> 00:07:02.624
...и формы.

00:07:02.865 --> 00:07:08.952
То есть линейные или нелинейные, допустим,
связи между варьирующими признаками,

00:07:09.033 --> 00:07:15.280
измерения её частоты и, наконец, проверки
условия значимости полученных

00:07:15.360 --> 00:07:16.682
коэффициентов корреляции.

00:07:19.125 --> 00:07:25.812
Корреляционные связи различаются по форме,
направлению и степени, то есть силе.

00:07:26.693 --> 00:07:30.897
По форме корреляционные связи могут быть
прямолинейной или криволинейной.

00:07:38.784 --> 00:07:43.345
Прямолинейной может быть, например, связь
между количеством тренировок на тренажёре

00:07:43.466 --> 00:07:47.387
и количеством правильно решаемых задач
контрольной сессии.

00:07:49.307 --> 00:07:53.869
Криволинейной может быть связь между
уровнем мотивации и эффективностью

00:07:53.949 --> 00:07:55.149
выполнения задачи.

00:07:55.473 --> 00:07:57.755
...что изображено на рисунке один.

00:07:59.236 --> 00:08:05.679
То есть по мере увеличения уровня
мотивации увеличивается эффективность

00:08:06.600 --> 00:08:09.322
выполняемой задачи до определённого
предела, максимума.

00:08:10.093 --> 00:08:15.335
А после определённого оптимального уровня
мотивации начинается снижение

00:08:15.535 --> 00:08:17.495
эффективности выполнения задач.

00:08:17.735 --> 00:08:22.337
И сила мотивационной тенденции
уменьшается.

00:08:25.298 --> 00:08:31.904
По направлению корреляционная связь может
быть положительной, то есть прямой либо

00:08:32.024 --> 00:08:33.465
отрицательной, обратной.

00:08:33.866 --> 00:08:36.388
При положительной, прямолинейной
корреляции

00:08:41.592 --> 00:08:46.196
более высоким значениям одного признака
соответствуют более высокие значения

00:08:46.397 --> 00:08:46.917
другого.

00:08:47.623 --> 00:08:53.100
А более низким значениям одного признака
соответствуют низкие значения другого.

00:08:55.819 --> 00:09:01.256
При отрицательной корреляции соотношения
будут обратные, что изображено и на

00:09:01.336 --> 00:09:03.495
рисунке три.

00:09:04.032 --> 00:09:10.070
А при положительной прямении связи прямая
положительная связь изображена на рисунке

00:09:10.270 --> 00:09:15.189
два. То есть здесь прямая корреляция,
здесь обратная корреляция.

00:09:17.828 --> 00:09:20.707
Отсутствие корреляции изображено на
рисунке четыре.

00:09:26.210 --> 00:09:30.091
Причём при положительной корреляции
коэффициент корреляции носит положительный

00:09:30.171 --> 00:09:35.531
знак. А при отрицательной корреляции,
отрицательный, при вот обратной

00:09:35.611 --> 00:09:38.052
корреляции, при обратной отрицательный
знак.

00:09:38.412 --> 00:09:42.252
Здесь трудно сказать, какой знак, когда
отсутствует корреляция.

00:09:43.514 --> 00:09:45.194
Её просто не существует.

00:09:47.556 --> 00:09:54.480
Степень силы и теснота корреляционной
связи определяется по

00:09:54.640 --> 00:09:58.402
величине коэффициента корреляции.

00:09:59.082 --> 00:10:01.764
Сила связи не зависит от её
направленности.

00:10:08.616 --> 00:10:14.061
Э-э определяется по абсолютному значению
коэффициента корреляции.

00:10:16.223 --> 00:10:19.627
В зависимости от коэффициента корреляции
различаются следующие корреляционные

00:10:19.707 --> 00:10:20.147
связи.

00:10:21.168 --> 00:10:27.089
Сильная или тесная связь при коэффициенте
корреляции больше 0,7.

00:10:27.809 --> 00:10:32.450
Средняя связь от 0,5 до

00:10:32.690 --> 00:10:34.811
0,69.

00:10:34.891 --> 00:10:35.611
Умеренная.

00:10:38.847 --> 00:10:43.644
От 0,3 до 0,49 — слабое — от

00:10:43.764 --> 00:10:48.802
0,2.29

00:10:53.719 --> 00:10:59.557
и очень слабое при значении коэффициента
корреляции меньше 0,19.

00:11:02.072 --> 00:11:08.552
Как строятся корреляционные поля и какова
цель их

00:11:08.592 --> 00:11:09.152
построения?

00:11:10.312 --> 00:11:15.233
Корреляция изучается на основании
экспериментальных данных, представляющих

00:11:15.353 --> 00:11:21.634
собой измеренные значения X и gрек-,
которые

00:11:21.914 --> 00:11:25.555
обозначаются X и gрек II, то есть это два
признака.

00:11:25.930 --> 00:11:28.889
которая обозначается X и gрек I.

00:11:29.968 --> 00:11:35.207
Если экспериментальных данных немного то
двумерное эмпирическое распределение

00:11:35.367 --> 00:11:42.364
представляется в виде двойного ряда
значений X y

00:11:42.484 --> 00:11:43.244
и igrek y

00:11:50.525 --> 00:11:54.445
При этом корреляционную зависимость между
признаками можно описывать разными

00:11:54.525 --> 00:12:01.164
способами. Соответствие между аргументом и

00:12:01.284 --> 00:12:08.003
функцией может быть задано таблицей
формулой, графиком и каким-либо другим

00:12:08.083 --> 00:12:08.603
способом.

00:12:13.037 --> 00:12:17.314
Корреляционный анализ, как и другие
статистические методы, основан на

00:12:17.394 --> 00:12:23.590
использовании вероятностных моделей,
описывающих поведение исследуемых

00:12:23.709 --> 00:12:24.229
признаков.

00:12:26.353 --> 00:12:32.161
которые генераль некоторые генеральные
совокупности, из которых получены

00:12:32.281 --> 00:12:38.169
экспериментальные данные: X игреки Когда
исследуется корреляция между

00:12:38.449 --> 00:12:39.651
количественными признаками

00:12:51.518 --> 00:12:57.684
Значение которых можно измерить в
следующих метрических шкалах метрах,

00:12:57.764 --> 00:12:59.246
секундах, килограммах.

00:12:59.606 --> 00:13:06.253
То очень часто принимается модель
двухмерной,

00:13:06.333 --> 00:13:09.015
нормально распределённой генеральной
совокупности.

00:13:10.266 --> 00:13:17.227
Такая модель отображает зависимость между
переменными величинами

00:13:17.307 --> 00:13:24.068
X и grafe зависимость изображается в

00:13:24.148 --> 00:13:27.989
виде геометрического места точек в системе
прямоугольных координат.

00:13:29.379 --> 00:13:34.900
Эту графическую зависимость называют также
диаграммой рассеиния или корреляционным

00:13:35.020 --> 00:13:40.700
полем. Данная модель двухмерного
нормального распределения

00:13:46.021 --> 00:13:47.381
или корреляционное поле

00:13:52.572 --> 00:13:57.488
Позволяет дать наглядную наглядную
графическую интерпретацию коэффициента

00:13:57.528 --> 00:14:04.483
корреляции, так как распределение в
совокупности зависит

00:14:04.563 --> 00:14:06.682
от пяти параметров.

00:14:10.159 --> 00:14:12.438
New X и me Y.

00:14:13.743 --> 00:14:20.461
New X & igreк — это средние значения или
математические ожидания этих переменных.

00:14:21.061 --> 00:14:27.698
Sigma X и Sigma-грек — это стандартные
отклонения случайных величин X-грек

00:14:28.378 --> 00:14:34.416
и Позначает коэффициент корреляции П
по-разному, и Р мы видели, и P

00:14:35.215 --> 00:14:39.214
также обозначает коэффициент корреляции,
который является мерой связи между

00:14:39.454 --> 00:14:41.733
случайными величинами X и geк.

00:14:43.095 --> 00:14:49.422
Если П равно нулю, то значения X и gрек,

00:14:49.863 --> 00:14:55.949
полученные из двухмерной нормальной
совокупности, располагаются на графике в

00:14:56.029 --> 00:14:57.231
координатах X Y

00:15:02.934 --> 00:15:06.259
В пределах области, ограниченной
окружностью.

00:15:06.579 --> 00:15:08.662
На рисунке пять.

00:15:12.347 --> 00:15:13.508
Вот рисунок пять а.

00:15:20.216 --> 00:15:22.816
Если коэффициент корреляции равен нулю.

00:15:23.295 --> 00:15:28.335
В этом случае между случайными величинами
X grek отсутствует корреляция и они

00:15:28.535 --> 00:15:30.854
называются некоррелированными.

00:15:31.414 --> 00:15:36.973
Для двухмерного нормального распределения
некоррелированность означает одновременно

00:15:38.979 --> 00:15:41.017
И независимость случайных величин

00:15:47.052 --> 00:15:53.886
X & Y P, то есть коэффициент корреляции
равен

00:15:53.966 --> 00:15:54.565
единице.

00:15:55.725 --> 00:16:02.718
То при p - единица между случайными
величинами X и грек существует линейная

00:16:03.117 --> 00:16:05.515
функциональная связь.

00:16:06.713 --> 00:16:10.030
То есть игрек равняется, допустим, C + D
умножить на X.

00:16:10.070 --> 00:16:12.067
В этом случае говорят

00:16:14.414 --> 00:16:15.653
Полные корреляции.

00:16:16.452 --> 00:16:22.487
При этом, если P равно единице + 1,
значение X gрек определяет точки, лежащие

00:16:22.567 --> 00:16:28.761
на прямой линии, вот этой прямой линии,
имеющей положительный наклон.

00:16:28.841 --> 00:16:32.718
С увеличением X, значение игрек также
увеличивается при этом

00:16:36.438 --> 00:16:42.963
При P в минусовом значении минус один
корреляции, прямая имеет отрицательный

00:16:43.083 --> 00:16:46.405
наклон. Отрицательный наклон.

00:16:49.247 --> 00:16:51.288
Рисунок — это рисунок 5B.

00:16:51.769 --> 00:16:52.529
Э-э-э.

00:16:54.674 --> 00:17:01.594
В промежуточных случаях, когда P между -1
и +1, вот промежуточные случаи описаны

00:17:02.434 --> 00:17:09.395
на рисунках рис V и

00:17:09.515 --> 00:17:10.115
риз G.

00:17:13.648 --> 00:17:20.646
В точки в промежуточных случаях
соответствующие значения X и g попадают

00:17:20.766 --> 00:17:23.125
в область, ограниченную некоторым
эллипсом.

00:17:23.245 --> 00:17:24.565
Вот эллипс.

00:17:28.564 --> 00:17:30.364
Это рисунки B и G.

00:17:30.643 --> 00:17:35.522
Причём при p больше нуля имеет место
положительная корреляция на рисунке B.

00:17:42.808 --> 00:17:47.761
То есть увеличение X и к значению также
имеет тенденцию к возрастанию.

00:17:48.280 --> 00:17:51.556
А при P меньше нуля корреляция является
отрицательной.

00:17:51.636 --> 00:17:52.954
Рисунок G.

00:17:56.540 --> 00:18:03.221
Чем ближе P + единицы, тем уже эллипс, и
тем теснее эксегментальное

00:18:03.581 --> 00:18:06.781
значение группируется около прямой линии.

00:18:08.711 --> 00:18:12.754
Здесь же следует обратить внимание на то,
что линия, вдоль которой группируются

00:18:12.995 --> 00:18:17.318
точки, может быть не только прямой, а
иметь любую другую форму: формулу

00:18:17.398 --> 00:18:19.920
параболы, ГКЕ, ГИ, первлы и так далее.

00:18:20.945 --> 00:18:25.868
В этих случаях мы рассматривали бы
рассматриваем как бы так называемую

00:18:26.909 --> 00:18:33.472
нелинейную или кваринейную, криволинейную
корреляцию, которая изображена на

00:18:33.552 --> 00:18:37.234
рисунке D, 5D.

00:18:39.396 --> 00:18:40.117
Таким образом

00:18:48.124 --> 00:18:52.449
визуальный анализ корреляционного поля
помогает выявить не только наличие

00:18:52.569 --> 00:18:54.010
статистической зависимости

00:18:58.009 --> 00:19:01.688
Линейную или нелинейную между исследуемыми
признаками

00:19:05.407 --> 00:19:07.367
ноёсноту и форму.

00:19:07.567 --> 00:19:12.726
Это имеет существенное значение для
следующего шага в анализе выбора и

00:19:12.806 --> 00:19:15.445
вычислении соответствующего коэффициента
корреляции.

00:19:16.903 --> 00:19:20.265
Корреляционную зависимость между
признаками можно описывать разными

00:19:20.386 --> 00:19:26.710
способами. В

00:19:26.870 --> 00:19:33.756
частности, любая форма связи может быть
выражена уравнением

00:19:33.836 --> 00:19:37.999
общего вида: игрек равняется функцию как
функция от X

00:19:39.606 --> 00:19:45.287
Где признак X зависимая переменная или
функция от независимой переменной X,

00:19:45.767 --> 00:19:52.447
которая икс называется аргументом
соответствие меж аргументами

00:19:52.567 --> 00:19:57.728
функции может быть задано таблицей, также
формулой, графиком и так далее и подобным

00:19:58.088 --> 00:19:58.848
другими методами.

00:20:02.178 --> 00:20:06.017
Коэффициентами корреляции являются
коэффициентами корреляции являются

00:20:06.137 --> 00:20:13.055
общепринятой математической статистикой
характеристикой связи между случайными

00:20:13.095 --> 00:20:20.053
величинами. Коэффициенты корреляции
являются коэффициент корреляции

00:20:20.213 --> 00:20:21.292
— это и есть показатель

00:20:24.483 --> 00:20:30.038
Степени взаимозависимости статистической
связи между переменными

00:20:34.954 --> 00:20:38.032
изменяясь в пределах от -1 до +1.

00:20:39.590 --> 00:20:44.835
Значение коэффициента корреляции, равное
нулю, указывает на возможное отсутствие

00:20:44.915 --> 00:20:50.639
зависимостей, а значение +1
свидетельствует о полной согласованности

00:20:51.080 --> 00:20:58.005
изменения переменных X и Yующие
коэффициенты корреляции.

00:20:59.520 --> 00:21:06.206
Дихотомический коэффициент — это
показатель связи

00:21:06.406 --> 00:21:13.292
признаков или переменных измеряемых по
дихотомическим шкалам

00:21:13.492 --> 00:21:15.013
наименований.

00:21:17.856 --> 00:21:20.938
Второй коэффициент корреляции Пирсона по
имени автора.

00:21:21.790 --> 00:21:26.954
Пирсон, по-английски Pirsen Project Momont
Correlation.

00:21:27.194 --> 00:21:32.757
Коэффициент корреляции, используемый на
континуальных переменах.

00:21:33.598 --> 00:21:39.481
Третья ранговые корреляция — спирмен по
имени автора Spermentoden

00:21:43.563 --> 00:21:50.447
Коэффициент корреляции для переменных,
измеренных в порядковых или

00:21:50.727 --> 00:21:52.087
ранговых шкалах.

00:21:53.048 --> 00:21:59.291
Четвёртое — это точечная биссериальная
корреляция Point

00:22:03.132 --> 00:22:04.253
Коэффициент корреляции

00:22:06.975 --> 00:22:10.137
Применяемые в случае анализа отношения
переменных

00:22:18.900 --> 00:22:22.982
одна из которых измерена в континуальной
шкале.

00:22:25.211 --> 00:22:28.768
А другая в строгой дихотомической шкале
наименований.

00:22:33.724 --> 00:22:40.279
Пятый коэффициент коэффициент —
коэффициент

00:22:40.358 --> 00:22:44.755
корреляции, используем в случае, если обе
переменные измерены

00:22:46.518 --> 00:22:49.118
...дихотомической шкале наименования.

00:22:50.878 --> 00:22:57.239
И последний — терророхический или
четырёхполный — это коэффициент

00:22:57.359 --> 00:23:03.040
корреляции, который используется в случае,
если вы обе переменные измерены в

00:23:03.240 --> 00:23:04.720
континуальных шкалах.

00:23:07.472 --> 00:23:13.154
Линейная связь между переменами X и грек
оценивается

00:23:14.234 --> 00:23:20.957
коэффициентом корреляции, который
определяется по следующей формуле Xрек

00:23:21.357 --> 00:23:22.677
исследуемые переменные

00:23:24.398 --> 00:23:30.434
M X g — это

00:23:30.553 --> 00:23:36.989
математические ожидания переменных, а
Sigma-X и Sigma X

00:23:37.708 --> 00:23:39.387
— это дисперсии переменных.

00:23:43.618 --> 00:23:47.019
Выборочный коэффициент корреляции
определяется по следующей формуле

00:23:50.659 --> 00:23:57.259
знак суммы единица разделить на n большое,
знак суммы умножить на две разности

00:23:59.100 --> 00:24:01.220
между значениями

00:24:03.267 --> 00:24:05.428
Рядом X X

00:24:11.951 --> 00:24:15.353
Сейчас мы определим эти значения, которые
формула.

00:24:16.113 --> 00:24:19.675
Где X E от единицы до N малого, и J

00:24:21.055 --> 00:24:27.332
От единицы, от единицы до, это два
индекса: до от единицы до N — малое.

00:24:28.052 --> 00:24:31.969
У — индекс от единицы до N большое.

00:24:32.889 --> 00:24:35.887
N — число опытов или объём выборки.

00:24:43.193 --> 00:24:49.071
Оценки математических ожиданий X X

00:24:50.471 --> 00:24:55.709
XG оценки средних квадратических
отклонений.

00:24:58.787 --> 00:25:03.026
Только при совместной нормальной
распределённости исследуемых случайных

00:25:03.146 --> 00:25:03.585
величин

00:25:04.892 --> 00:25:09.972
При нормальном распределении, которое
определяется в математической статистике

00:25:18.932 --> 00:25:22.932
коэффициент корреляции имеет определённый
смысл между переменными.

00:25:24.356 --> 00:25:25.115
В противном случае

00:25:32.948 --> 00:25:37.624
коэффициент корреляции может только
косвенно охарактеризовать эту связь.

00:25:39.729 --> 00:25:44.640
Для оценки параметров выбранной модели
используют различные методы.

00:25:44.960 --> 00:25:48.633
Наиболее часто применяют так называемый
метод наименьших квадратов.

00:25:50.411 --> 00:25:55.176
Метод наименьших квадратов или
аббревиатура MК.

00:25:55.296 --> 00:26:00.702
Согласно этому методу параметры
оцениваются из условия, что сумма

00:26:00.822 --> 00:26:02.023
квадратов отклонений

00:26:05.624 --> 00:26:11.597
Расчётных величин по модели тренда от
эмпирических, то есть фактических данных X

00:26:11.838 --> 00:26:13.962
Y является минимальной.

00:26:20.567 --> 00:26:26.242
Во многих случаях применение метода
наименьший квадратах приводит к системе

00:26:26.362 --> 00:26:30.958
линейно-относительных оцениваемых
параметров.

00:26:31.158 --> 00:26:36.434
То есть, которые обозначаются как A0
малое, A1 и так далее.

00:26:37.667 --> 00:26:39.028
параметров уравнений.

00:26:39.268 --> 00:26:45.390
А уравнения получа- и эти параметры
получаются путём взятия частных

00:26:45.550 --> 00:26:49.431
производных и приравнивания их к нулю.

00:26:51.752 --> 00:26:57.194
После того, как вычислены параметры A0, A1
и так далее

00:26:58.147 --> 00:27:04.754
Определяется расчётное значение по модели
тренда и отклонен и отклонение от

00:27:04.874 --> 00:27:06.276
эмпирических данных.

00:27:06.556 --> 00:27:11.802
То есть первая строчка вот здесь — это
задана функция зависимости

00:27:15.484 --> 00:27:22.444
Переменная Yout Parmet функции может быть
различным: линейная, нелинейная и

00:27:22.564 --> 00:27:27.884
так далее. А отклонение между значением

00:27:29.364 --> 00:27:33.403
этой функции и значениями эмпирических
данных.

00:27:35.053 --> 00:27:41.974
Определяю здесь обозначается как E функция
EAT от параметр

00:27:42.134 --> 00:27:48.455
времени случайная

00:27:48.655 --> 00:27:51.736
переменная, то есть это случайная
переменная — eT.

00:27:52.457 --> 00:27:57.569
Представляет собой также динамический ряд,
который называют рядом осадков.

00:27:58.927 --> 00:28:02.361
Рассмотрим основные свойства коэффициентов
корреляции.

00:28:18.388 --> 00:28:23.225
К основным свойствам коэффициента
корреляции относятся следующие.

00:28:27.463 --> 00:28:32.260
Первое свойство — коэффициенты корреляции
способны

00:28:42.002 --> 00:28:44.803
Характеризовать только линейные связи.

00:28:46.203 --> 00:28:49.923
То есть такие, которые выражаются
уравнением линейной функции.

00:28:51.243 --> 00:28:55.604
При наличии нелинейной зависимости между
варьирующими признаками

00:28:58.204 --> 00:29:01.525
желательно использовать другие показатели
связи.

00:29:02.904 --> 00:29:06.627
Ну, здесь речь идёт о том, что
коэффициенты корреляции наиболее точно

00:29:07.788 --> 00:29:11.630
характеризуются линейными связями в случае
линейных связей.

00:29:11.711 --> 00:29:16.954
В случае нелинейных надо использовать
другие показатели взаимо этих связей, а не

00:29:17.114 --> 00:29:18.355
коэффициенты корреляции.

00:29:19.802 --> 00:29:24.564
Значение коэффициента корреляции — это
отвлечённые числа, лежащие в пределах

00:29:27.404 --> 00:29:30.045
от -1 до +1.

00:29:30.645 --> 00:29:35.646
То есть R лежит, если обозначим
коэффициент корреляции R малое, там

00:29:35.846 --> 00:29:37.607
обозначали p малое.

00:29:37.687 --> 00:29:39.607
Ну, два обозначения.

00:29:39.928 --> 00:29:40.568
То в этом случае

00:29:42.731 --> 00:29:45.410
Р между -1 и +1.

00:29:45.770 --> 00:29:52.408
При независимом варьировании признаков,
когда между ними связь отсутствует, в этом

00:29:52.488 --> 00:29:54.248
случае R равно нулю.

00:29:55.167 --> 00:29:57.407
При положительной или прямой связи

00:29:59.678 --> 00:30:04.796
Когда с увеличением значения одного
признака возрастает значение другого

00:30:04.996 --> 00:30:10.115
признака, коэффициент корреляции
приобретает положительную связь,

00:30:10.275 --> 00:30:14.593
положительный знак и находится в пределах
от нуля до + единицы.

00:30:17.719 --> 00:30:23.962
При отрицательной или обратной связи,
когда с увеличением значения одного

00:30:24.082 --> 00:30:28.965
признака, соответственно, уменьшается
значение другого, коэффициент корреляции

00:30:29.165 --> 00:30:35.649
сопровождается отрицательным знаком и
находится

00:30:36.249 --> 00:30:38.410
в пределах от нуля до минус единицы.

00:30:42.058 --> 00:30:46.792
Чем сильнее связь между признаками, тем
ближе величина коэффициента корреляции к

00:30:46.832 --> 00:30:47.314
единице.

00:30:53.553 --> 00:30:59.954
Если R, то есть коэффициент корреляции
равен +1, то корреляционная связь

00:31:00.114 --> 00:31:01.955
переходит в функциональную.

00:31:02.195 --> 00:31:07.636
То есть каждому значению признака X будет
соответствовать одно или несколько строго

00:31:07.756 --> 00:31:14.078
определённых значений игрека, то есть либо
со знаком плюс либо со знаком минус.

00:31:15.835 --> 00:31:20.557
Только и далее. И наконец, только по
величине коэффициента корреляции нельзя

00:31:20.637 --> 00:31:24.799
судить о достоверности корреляционной
связи между признаками.

00:31:27.040 --> 00:31:33.643
Этот параметр зависит также от числа
степеней свободы, который обозначается F

00:31:34.483 --> 00:31:36.885
равное n - 2, где Н

00:31:39.510 --> 00:31:45.706
Число коррелируемых пар X игрек

00:31:46.745 --> 00:31:48.264
признаков X игрек.

00:31:48.704 --> 00:31:55.220
Чем больше, тем выше достоверность связи
при

00:31:55.459 --> 00:31:57.858
одном и том же значении коэффициента
корреляции.

00:32:08.305 --> 00:32:09.706
Качество модели регрессов.

00:32:09.906 --> 00:32:12.388
Рассмотрим модель регрессии.

00:32:12.468 --> 00:32:14.829
Переходим к рассмотрению модели регрессии.

00:32:15.510 --> 00:32:20.713
Качество модели регрессии связывают с
адекватностью моделей, наблюдаемых

00:32:20.913 --> 00:32:22.634
эмпирическим данным.

00:32:25.836 --> 00:32:29.678
Проверка или адекватность или соответствие
модели регрессии.

00:32:30.979 --> 00:32:34.743
Наблюдаемым данным проводится на основе
анализа остатков

00:32:40.228 --> 00:32:45.152
После построения уравнения регрессии мы
можем разбить значение Y в каждом

00:32:45.392 --> 00:32:47.194
наблюдении на две составляющих.

00:32:49.143 --> 00:32:52.822
Игрек вот с крышой наверху и Apsion I.

00:32:53.262 --> 00:33:00.181
То есть игрек-к, которое значение, которое
определяется, равно игрек-к с крышкой

00:33:03.581 --> 00:33:08.340
Остаток Epsil Kляет собой отклонение
фактического значения зависимой

00:33:08.420 --> 00:33:08.940
переменной.

00:33:09.994 --> 00:33:13.467
А значение данной переменной, полученной
расчётом.

00:33:14.106 --> 00:33:17.779
Расчётом получено значение

00:33:29.613 --> 00:33:32.093
Так, остальное фактического значения.

00:33:32.213 --> 00:33:38.652
Фактическое значение — это грек-как-ка.

00:33:38.772 --> 00:33:43.331
А расчётное значение — игрек-к ещё и с
крышей.

00:33:44.291 --> 00:33:46.251
То есть равняется

00:33:47.936 --> 00:33:50.380
Игрек К минус игрек К с крышей.

00:33:51.061 --> 00:33:56.711
Путём игрек равняется игрек с крышей минус
лепсе.

00:33:57.312 --> 00:33:57.953
На практике

00:34:03.680 --> 00:34:08.402
Как правило, имеет место некоторое
рассеяние точек корреляционного поля

00:34:08.602 --> 00:34:11.803
относительно теоретической линии
регрессии.

00:34:12.204 --> 00:34:18.486
То есть отклонение эмпирических данных от
теоретических, вот эпсилум и-и-и

00:34:22.328 --> 00:34:23.168
не равно нулю.

00:34:25.082 --> 00:34:30.796
Величина этих отклонений лежит в основе
расчёта показателей

00:34:30.876 --> 00:34:36.550
качества, адекватности или адекватности
уравнения регрессии.

00:34:41.282 --> 00:34:45.284
При анализе качества модели регрессии
используется основное положение

00:34:45.604 --> 00:34:46.525
дирсперсионного

00:34:46.645 --> 00:34:53.168
анализа,

00:34:53.288 --> 00:34:57.891
согласно которому общая сумма квадратов
отклонений.

00:34:59.705 --> 00:35:01.905
Зависимые переменные от среднего значения

00:35:07.106 --> 00:35:13.067
может быть разложен на две составляющие,
объяснённую и необъяснённую уровнем

00:35:13.507 --> 00:35:16.308
регрессии дисперсии.

00:35:17.580 --> 00:35:24.343
Вот в этом здесь как раз и производится по
этой формуле расчёт.

00:35:24.543 --> 00:35:31.106
Где игрек плохо видно, к сожалению, это
значение игрек, вычисленные из по

00:35:31.266 --> 00:35:36.868
модели правую-левую часть выражения один

00:35:38.747 --> 00:35:45.112
На вот это выражение получим следующее.

00:35:45.512 --> 00:35:51.917
То есть коэффициент детерминации
определяется следующим образом.

00:35:52.437 --> 00:35:55.880
Вот обозначается Р-квадрат, здесь
определяем коэффициент детерминации.

00:35:58.149 --> 00:36:01.190
Значит, в числителе объясняемая сумма
квадратов.

00:36:01.590 --> 00:36:05.871
Так. А в знаменателе общая сумма
квадратов.

00:36:07.712 --> 00:36:13.593
То есть это вычисленное значение, а это
невычисленное значение

00:36:14.554 --> 00:36:18.155
признака-игрек. Здесь как раз получаем
эпсен.

00:36:19.707 --> 00:36:24.070
...в квадрате или Apsun или е в квадрате.

00:36:24.350 --> 00:36:28.954
Здесь в знаменателе сумма остаётся той же
самой.

00:36:31.275 --> 00:36:37.920
Коэффициент детерминации показывает долю
вариаций результативного признака.

00:36:52.447 --> 00:36:55.766
Находящегося под воздействием изучаемых
факторов.

00:36:56.285 --> 00:37:02.764
То есть определяет, какая доля вариации
признака Y учтена в модели

00:37:06.842 --> 00:37:09.162
и обусловлена влиянием на него факторов.

00:37:10.783 --> 00:37:14.698
Чем ближе Р- квадрат к единице, тем выше
качество модели.

00:37:19.531 --> 00:37:25.044
Для оценки качества регрессионных моделей
целесообразно

00:37:28.688 --> 00:37:34.203
Также использует коэффициент коэффициент
множественной корреляции

00:37:35.842 --> 00:37:41.837
или индекс, ещё её называют индексом
корреляции R большое.

00:37:44.755 --> 00:37:47.352
Данный коэффициент является универсальным.

00:37:48.043 --> 00:37:54.758
Так как он отражает тесноту связи и
точность модели, а также может

00:37:55.038 --> 00:37:58.315
использоваться при любой форме связи
переменных.

00:38:01.113 --> 00:38:05.870
При построении однофакторной линейной
модели он равен следующей формуле, он

00:38:05.949 --> 00:38:08.028
равен коэффициенту линейной корреляции.

00:38:09.998 --> 00:38:14.354
При однофакторной линейной модели
коэффициент корреляции Качество

00:38:14.553 --> 00:38:18.869
полученного уравнения регрессии оценивает
также с помощью средней относительной

00:38:18.909 --> 00:38:25.822
ошибки аппроксимации при

00:38:26.022 --> 00:38:28.700
приближении которой рассчитывает по
следующей формуле.

00:38:37.970 --> 00:38:41.771
И допустимый предел значение этого
показателя

00:38:45.572 --> 00:38:49.132
должен составлять не более от 8 до 10%.

00:38:50.052 --> 00:38:51.812
То есть предел — 10%.

00:38:53.133 --> 00:38:54.333
Самый крайний предел.

00:38:57.750 --> 00:39:03.997
Тогда качество значений будет
соответствующим

00:39:05.359 --> 00:39:11.806
для выводов, исходя из исследования по,
так сказать,

00:39:11.966 --> 00:39:13.047
регрессионной модели.

00:39:14.994 --> 00:39:19.151
После того, как уравнение регрессии
построено, выполняется проверка значимости

00:39:19.430 --> 00:39:23.627
построенного уравнения в целом и отдельных
параметров.

00:39:24.866 --> 00:39:29.942
Оценить значимость уравнения регрессии —
это означает установить

00:39:33.360 --> 00:39:38.277
Соответствует ли математическая модель,
выражающая зависимость между X и grek

00:39:41.515 --> 00:39:48.391
фактическим данным и достаточно ли
включённых

00:39:48.511 --> 00:39:51.669
в уравнение, объясняющих и достаточно
является

00:39:53.722 --> 00:39:58.127
Число включённых в уравнение, объединяющих
переменных X.

00:40:04.174 --> 00:40:06.457
Для описания зависимой переменной X.

