Какие вам известны формы представления зависимостей. Виды зависимостей между случайными величинами

Зависимость одной случайной величины от значений, которые прини- мает другая случайная величина (физическая характеристика), в статистике называется регрессией. Если этой зависимости придан аналитический вид, то такую форму представления изображают уравнением регрессии.

Процедура поиска предполагаемой зависимости между различными числовыми совокупностями обычно включает следующие этапы:

установление значимости связи между ними;

возможность представления этой зависимости в форме математиче- ского выражения (уравнения регрессии).

Первый этап в указанном статистическом анализе касается выявления так называемой корреляции, или корреляционной зависимости. Корреляция рассматривается как признак, указывающий на взаимосвязь ряда числовых последовательностей. Иначе говоря, корреляция характеризует силу взаимосвязи в данных. Если это касается взаимосвязи двух числовых массивов xi и yi, то такую корреляцию называют парной.

При поиске корреляционной зависимости обычно выявляется вероятная связь одной измеренной величины x (для какого-то ограниченного диапазона ее изменения, например от x1 до xn) с другой измеренной величиной y (также изменяющейся в каком-то интервале y1 … yn). В таком случае мы будем иметь дело с двумя числовыми последовательностями, между которыми и надлежит установить наличие статистической (корреляционной) связи. На этом этапе пока не ставится задача определить, является ли одна из этих случайных величин функцией, а другая – аргументом. Отыскание количественной зависимости между ними в форме конкретного аналитического выражения y = f(x) - это задача уже другого анализа, регрессионного.

Таким образом, корреляционный анализ позволяет сделать вывод о силе взаимосвязи между парами данных х и у, а регрессионный анализ используется для прогнозирования одной переменной (у) на основании другой (х). Иными словами, в этом случае пытаются выявить причинно-следственную связь между анализируемыми совокупностями.

Строго говоря, принято различать два вида связи между числовыми совокупностями – это может быть функциональная зависимость или же статистическая (случайная). При наличии функциональной связи каждому значению воздействующего фактора (аргумента) соответствует строго определенная величина другого показателя (функции), т.е. изменение результативного признака всецело обусловлено действием факторного признака.

Аналитически функциональная зависимость представляется в следую-щем виде: y = f(x).

В случае статистической связи значению одного фактора соответствует какое-то приближенное значение исследуемого параметра, его точная величина является непредсказуемой, непрогнозируемой, поэтому получаемые показатели оказываются случайными величинами. Это значит, что изме-нение результативного признака у обусловлено влиянием факторного признака х лишь частично, т.к. возможно воздействие и иных факторов, вклад которых обозначен как є: y = ф(x) + є.

По своему характеру корреляционные связи – это соотносительные связи. Примером корреляционной связи показателей коммерческой деятельности является, например, зависимость сумм издержек обращения от объема товарооборота. В этой связи помимо факторного признака х (объема товарооборота) на результативный признак у (сумму издержек обращения) влияют и другие факторы, в том числе и неучтенные, порождающие вклад є.

Для количественной оценки существования связи между изучаемыми совокупностями случайных величин используется специальный статистический показатель – коэффициент корреляции r.

Если предполагается, что эту связь можно описать линейным уравне- нием типа y=a+bx (где a и b - константы), то принято говорить о существовании линейной корреляции.

Коэффициент r - это безразмерная величина, она может меняться от 0 до ±1. Чем ближе значение коэффициента к единице (неважно, с каким знаком), тем с большей уверенностью можно утверждать, что между двумя рассматриваемыми совокупностями переменных существует линейная связь. Иными словами, значение какой-то одной из этих случайных величин (y) существенным образом зависит от того, какое значение принимает другая (x).

Если окажется, что r = 1 (или -1), то имеет место классический случай чисто функциональной зависимости (т.е. реализуется идеальная взаимосвязь).

При анализе двумерной диаграммы рассеяния можно обнаружить различные взаимосвязи. Простейшим вариантом является линейная взаимосвязь, которая выражается в том, что точки размещаются случайным образом вдоль прямой линии. Диаграмма свидетельствует об отсутствии взаимосвязи, если точки расположены случайно, и при перемещении слева направо невозможно обнаружить какой-либо уклон (ни вверх, ни вниз).

Если точки на ней группируются вдоль кривой линии, то диаграмма рассеяния характеризуется нелинейной взаимосвязью. Такие ситуации вполне возможны

Понятие величины, принимающей различные численные зна­чения, является отражением изменяемости окружающей нас дей­ствительности.

Математика изучает взаимосвязи между различными величинами. Из школьного курса нам известны формулы, связывающие различные величины:

площадь квадрата и длину его стороны: S = а 2 ,

объем куба и длину его ребра: V = а 3 ,

расстояние, скорость, время: S = V t,

стоимость, цену и количество: М = с k и др.

Дошкольники не изучают точные связи, но встречаются со свойствами этих зависимостей. Например:

Чем длиннее путь, тем больше времени необходимо затра­тить,

Чем больше цена, тем больше стоимость товара,

У большего квадрата сторона длиннее.

Эти свойства используются детьми в рассуждениях и помога­ют им правильно делать выводы.

4.5. История развития системы единиц величин

Примечание: Лекция начинается с сообщений на темы: «История создания и развития систем единиц величин»; «Международная система единиц», предварительно подготовленные студентами.

В истории развития единиц величин можно выделить несколь­ко периодов:

I . Единицы длины отождествляются с частями тела:

ладонь – ширина четырех пальцев,

локоть – длина руки от кисти до локтя,

фут - длина ступни,

дюйм - длина сустава большого пальца и др.

В качестве единиц площади использовались такие единицы: колодец – площадь, которую можно полить из одного колод­ца,

соха или плуг – средняя площадь, обработанная за день со­хой или плугом.

Недостаток таких единиц – нестабильные, необъективные.

II . В XIV-XVI веках появляются объективные единицы в связи с развитием торговли:

дюйм – длина трех приставленных друг к другу ячменных зерен;

фут – ширина 64 ячменных зерен, положенных бок о бок,

карат – масса семени одного из видов бобов.

Недостаток: нет взаимосвязи между единицами величин.

III . Введение единиц, взаимосвязанных друг с другом:

3 аршина – сажень,

500 саженей – верста,

7 верст - миля.

Недостаток: в разных странах различные единицы величин, что тормозит международные отношения, например, торговлю.

IV . Создание новой системы единиц во Франции в конце XVIII в.

Основная единица длины – метр – одна сорокамиллионная часть длины земного меридиана, проходящего через Париж, «метр» - греч. metron – «мера».

Все остальные величины были связаны с метром, поэтому но­вая система величин получила название метрической системы мер:

ар – площадь квадрата со стороной 10 м;

литр – объем куба с длиной ребра 0,1 м;

грамм – масса чистой воды, занимающей объем куба с дли­ной ребра 0,01 м.

Были введены десятичные кратные и дольные единицы с по­мощью приставок:

кило – 10 3 деци – 10 -1

гекто – 10 2 санти – 10 -2

дека – 10 1 милли – 10 -3 .

Недостаток: с развитием пауки потребовались новые единицы и более точное измерение.

V . В 196Ог. XI Генеральная конференция мер и весов приняла решение о введении Международной системы единиц СИ.

SI - система интернациональная.

В этой системе 7 основных единиц (метр, килограмм, секунда, ампер, кельвин, моль, кандела ) и 2 дополнительные (радиан, стерадиан ).

Эти единицы, определенные в курсе физики, не изменяются в любых условиях.

Величины, которые определяются через них, называются про­изводными величинами:

площадь – квадратный метр - м 2 ,

объем – кубический метр – м 3 ,

скорость – метр в секунду - м/с и др.

В нашей стране используются и внесистемные единицы:

масса – тонна,

площадь – гектар,

температура – градус Цельсия,

время – минута, час, год, век и др.

Задания для самостоятельной работы.

Придумайте задания для дошкольников, отражающие свой­ства длины, площади, массы, времени.

Придумайте план обучения дошкольников измерению дли­ны (полосками), объема (стаканами).

Придумайте беседу с дошкольниками о системных единицах величин: метре, килограмме, секунде и др.

Выпишите старинные единицы величин, встречающиеся в детской литературе. Найдите в справочниках их значения в системе СИ. В каких странах они зародились?

Например, почему Дюймовочку так назвали? Чему равен 1дюйм в мм?

Величины и зависимости между ними
Содержание данного раздела учебника связано с компьютерным математическим моделированием. Применение математического моделирования постоянно требует учета зависимостей одних величин от других. Приведем примеры таких зависимостей:
1) время падения тела на землю зависит от его первоначальной высоты;
2) давление газа в баллоне зависит от его температуры;
3) уровень заболеваемости жителей города бронхиальной астмой зависит от концентрации вредных примесей в городском воздухе.
Реализация математической модели на компьютере (компьютерная математическая модель) требует владения приемами представления зависимостей между величинами.
Рассмотрим различные методы представления зависимостей.
Всякое исследование нужно начинать с выделения количественных характеристик исследуемого объекта. Такие характеристики называются величинами.
С понятием величины вы уже встречались в базовом курсе информатики. Напомним, что со всякой величиной связаны три основных свойства: имя, значение, тип.
Имя величины может быть смысловым и символическим. Примером смыслового имени является «давление газа», а символическое имя для этой же величины — Р. В базах данных величинами являются поля записей. Для них, как правило, используются смысловые имена, например: ФАМИЛИЯ, ВЕС, ОЦЕНКА и т. п. В физике и других науках, использующих математический аппарат, применяются символические имена для обозначения величин. Чтобы не терялся смысл, для определенных величин используются стандартные имена. Например, время обозначают буквой t, скорость — V, силу — F и пр.
Если значение величины не изменяется, то она называется постоянной величиной или константой. Пример константы — число Пифагора π = 3,14259... . Величина, значение которой может меняться, называется переменной. Например, в описании процесса падения тела переменными величинами являются высота Н и время падения t.
Третьим свойством величины является ее тип. С понятием типа величины вы также встречались, знакомясь с программированием и базами данных. Тип определяет множество значений, которые может принимать величина. Основные типы величин: числовой, символьный, логический. Поскольку в данном разделе мы будем говорить лишь о количественных характеристиках, то и рассматриваться будут только величины числового типа.
А теперь вернемся к примерам 1-3 и обозначим (поименуем) все переменные величины, зависимости между которыми нас будут интересовать. Кроме имен укажем размерности величин. Размерности определяют единицы, в которых представляются значения величин.
1) t (с) — время падения; Н (м) — высота падения. Зависимость будем представлять, пренебрегая учетом сопротивления воздуха; ускорение свободного падения g (м/с 2) будем считать константой.
2) Р (н/м 2) — давление газа (в единицах системы СИ давление измеряется в ньютонах на квадратный метр); t °С — температура газа. Давление при нуле градусов Ро будем считать константой для данного газа.
3) Загрязненность воздуха будем характеризовать концентрацией примесей (каких именно, будет сказано позже) — С (мг/м 3). Единица измерения — масса примесей, содержащихся в 1 кубическом метре воздуха, выраженная в миллиграммах. Уровень заболеваемости будем характеризовать числом хронических больных астмой, приходящихся на 1000 жителей данного города — Р (бол./тыс.).
Отметим важное качественное различие между зависимостями, описанными в примерах 1 и 2, с одной стороны, и в примере 3, с другой. В первом случае зависимость между величинами является полностью определенной: значение Н однозначно определяет значение t (пример 1), значение t однозначно определяет значение Р (пример 2). Но в третьем примере зависимость между значением загрязненности воздуха и уровнем заболеваемости носит существенно более сложный характер; при одном и том же уровне загрязненности в разные месяцы в одном и том же городе (или в разных городах в один и тот же месяц) уровень заболеваемости может быть разным, поскольку на него влияют и многие другие факторы. Отложим более детальное обсуждение этого примера до следующего параграфа, а пока лишь отметим, что на математическом языке зависимости в примерах 1 и 2 являются функциональными, а в примере 3 — нет.
Математические модели
Если зависимость между величинами удается представить в математической форме, то мы имеем математическую модель.
Математическая модель — это совокупность количественных характеристик некоторого объекта (процесса) и связей между ними, представленных на языке математики.
Хорошо известны математические модели для первых двух примеров. Они отражают физические законы и представляются в виде формул:

Это примеры зависимостей, представленных в функциональной форме. Первую зависимость называют корневой (время пропорционально квадратному корню высоты), вторую — линейной.
В более сложных задачах математические модели представляются в виде уравнений или систем уравнений. В конце данной главы будет рассмотрен пример математической модели, которая выражается системой неравенств.
В еще более сложных задачах (пример 3 — одна из них) зависимости тоже можно представить в математической форме, но не функциональной, а иной.
Табличные и графические модели
Рассмотрим примеры двух других, не формульных, способов представления зависимостей между величинами: табличного и графического. Представьте себе, что мы решили проверить закон свободного падения тела экспериментальным путем. Эксперимент организуем следующим образом: будем бросать стальной шарик с 6-метровой высоты, 9-метровой и т. д. (через 3 метра), замеряя высоту начального положения шарика и время падения. По результатам эксперимента составим таблицу и нарисуем график.

Если каждую пару значений Н и t из данной таблицы подставить в приведенную выше формулу зависимости высоты от времени, то формула превратится в равенство (с точностью до погрешности измерений). Значит, модель работает хорошо. (Однако если сбрасывать не стальной шарик, а большой легкий мяч, то равенство не будет достигаться, а если надувной шарик, то значения левой и правой частей формулы будут различаться очень сильно. Как вы думаете, почему?)
В этом примере мы рассмотрели три способа моделирования зависимости величин: функциональный (формула), табличный и графический. Однако математической моделью процесса падения тела на землю можно назвать только формулу. Формула более универсальна, она позволяет определить время падения тела с любой высоты, а не только для того экспериментального набора значений Н, который отображен на рис. 6.1. Имея формулу, можно легко создать таблицу и построить график, а наоборот — весьма проблематично.
Точно так же тремя способами можно отобразить зависимость давления от температуры. Оба примера связаны с известными физическими законами — законами природы. Знания физических законов позволяют производить точные расчеты, они лежат в основе современной техники.
Информационные модели, которые описывают развитие систем во времени, имеют специальное название: динамические модели. В примере 1 приведена именно такая модель. В физике динамические информационные модели описывают движение тел, в биологии — развитие организмов или популяций животных, в химии — протекание химических реакций и т. д.
Система основных понятий

Регрессионного анализа

Обработка результатов эксперимента методом

При изучении процессов функционирования сложных систем приходится иметь дело с целым рядом одновременно действующих случайных величин. Для уяснения механизма явлений, причинно-следственных связей между элементами системы и т.д., по полученным наблюдениям мы пытаемся установить взаимоотношения этих величин.

В математическом анализе зависимость, например, между двумя величинами выражается понятием функции

где каждому значению одной переменной соответствует только одно значение другой. Такая зависимость носит название функциональной .

Гораздо сложнее обстоит дело с понятием зависимости случайных величин. Как правило, между случайными величинами (случайными факторами), определяющими процесс функционирования сложных систем, обычно существует такая связь, при которой с изменением одной величины меняется распределение другой. Такая связь называется стохастической , или вероятностной . При этом величину изменения случайного фактора Y , соответствующую изменению величины Х , можно разбить на два компонента. Первый связан с зависимостью Y от X , а второй с влиянием "собственных" случайных составляющих величин Y и X . Если первый компонент отсутствует, то случайные величины Y и X являются независимыми. Если отсутствует второй компонент, то Y и X зависят функционально. При наличии обоих компонент соотношение между ними определяет силу или тесноту связи между случайными величинами Y и X .

Существуют различные показатели, которые характеризуют те или иные стороны стохастической связи. Так, линейную зависимость между случайными величинами X и Y определяет коэффициент корреляции.

где – математические ожидания случайных величин X и Y .

– средние квадратические отклонения случайных величин X и Y .

Линейная вероятностная зависимость случайных величин заключается в том, что при возрастании одной случайной величины другая имеет тенденцию возрастать (или убывать) по линейному закону. Если случайные величины X и Y связаны строгой линейной функциональной зависимостью, например,

y=b 0 +b 1 x 1 ,

то коэффициент корреляции будет равен ; причем знак соответствует знаку коэффициента b 1 .Если величины X и Y связаны произвольной стохастической зависимостью, то коэффициент корреляции будет изменяться в пределах

Следует подчеркнуть, что для независимых случайных величин коэффициент корреляции равен нулю. Однако коэффициент корреляции как показатель зависимости между случайными величинами обладает серьезными недостатками. Во-первых, из равенства r = 0 не следует независимость случайных величин X и Y (за исключением случайных величин, подчиненных нормальному закону распределения, для которых r = 0 означает одновременно и отсутствие всякой зависимости). Во- вторых, крайние значения также не очень полезны, так как соответствуют не всякой функциональной зависимости, а только строго линейной.

Полное описание зависимости Y от X , и притом выраженное в точных функциональных соотношениях, можно получить, зная условную функцию распределения .

Следует отметить, что при этом одна из наблюдаемых переменных величин считается неслучайной. Фиксируя одновременно значения двух случайных величин X и Y , мы при сопоставлении их значений можем отнести все ошибки лишь к величине Y . Таким образом, ошибка наблюдения будет складываться из собственной случайной ошибки величины Y и из ошибки сопоставления, возникающей из-за того, что с величиной Y сопоставляется не совсем то значение X , которое имело место на самом деле.

Однако отыскание условной функции распределения, как правило, оказывается весьма сложной задачей. Наиболее просто исследовать зависимость между Х и Y при нормальном распределении Y , так как оно полностью определяется математическим ожиданием и дисперсией. В этом случае для описания зависимости Y от X не нужно строить условную функцию распределения, а достаточно лишь указать, как при изменении параметра X изменяются математическое ожидание и дисперсия величины Y .

Таким образом, мы приходим к необходимости отыскания только двух функций:

(3.2)

Зависимость условной дисперсии D от параметра Х носит название сходастической зависимости. Она характеризует изменение точности методики наблюдений при изменении параметра и используется достаточно редко.

Зависимость условного математического ожидания M от X носит название регрессии , она дает истинную зависимость величин Х и У , лишенную всех случайных наслоений. Поэтому идеальной целью всяких исследований зависимых величин является отыскание уравнения регрессии, а дисперсия используется лишь для оценки точности полученного результата.

Конспект урока по информатике и ИКТ в 11 классе