Хичээлийн сэдэв

Хичээл: Магадлал статистик (ICSI203)
Сэдэв: #9. Олон хэмжээст хэвийн тархалт ба шугаман загвар

Зорилго

Санамсаргүй векторын дунджийн вектор, ковариац болон корреляцийн матриц ба тэдгээрийн чанарыг судлах, олон хэмжээст хэвийн тархалттай хувьсагчдын нөхцөлт тархалт, нөхцөлт дундаж болон хамаарлыг авч үзэх, улмаар дундаж квадрат алдааг минимумчлах нөхцөлт дунджид тулгуурласан шугаман регрессийн загварын байгуулалт, тухайн болон нөхцөлт корреляциар хувьсагчдын хамаарлыг хэрхэн үнэлдэг зэргийг сурч эзэмшинэ.

Зорилтууд

  1. Санамсаргүй векторын дунджийн вектор, ковариацийн болон корреляцийн матрицын тодорхойлолт, шинж чанаруудыг үзэх.
  2. Олон хэмжээст болон тухайн тохиолдолд хоёр хэмжээст хэвийн тархалтын нягтын функцийн бүтэц, түүний тоон характеристикууд ба графикийн онцлогийг судлах.
  3. Хэвийн тархалттай хувьсагчдын хувьд ковариац тэг байх болон үл хамаарах нөхцөлийн эквивалент байх чанар, мөн нөхцөлт үл хамаарлын шинжийг мэдэж авах.
  4. Нөхцөлт математик дундажид тулгуурлан хамгийн бага дундаж квадрат алдаатай шугаман регрессийн загвар зохиох, детерминацийн коэффициентоор загварын тайлбарлах чадварыг үнэлдэгийг ойлгох.
  5. Хөндлөнгийн хувьсагчийн нөлөөг зайлуулсан тухайн корреляцийг ковариацийн матрицын урвууг ашиглан бодох арга зүйг сурч эзэмших.

Товч агуулга

Ковариац болон корреляцийн коэффициент, түүний чанар, санамсаргүй векторын математик дундаж ба ковариацийн матриц, олон хэмжээст хэвийн тархалт, олон хэмжээст хэвийн тархалттай санамсаргүй хувьсагчдын нөхцөлт тархалт ба шугаман загвар, тухайн корреляц

Дэд сэдвүүд

  1. Санамсаргүй векторын математик дундаж ба ковариацийн матриц
  2. Олон хэмжээст хэвийн тархалт
  3. Олон хэмжээст хэвийн тархалт ба шугаман регрессийн загвар

Суралцахуйн үр дүн

Мэдлэг

  1. Олон хэмжээст санамсаргүй векторын математик дунджийн вектор, ковариац болон корреляцийн матрицын бүтэц, шинж чанарыг мэддэг болно.
  2. Олон хэмжээст хэвийн тархалтын нягтын функцийн параметрүүд болон нөхцөлт тархалтын шугаман дундаж, тогтмол дисперсийн онцлогийг мэдэж авна.
  3. Нөхцөлт математик дундаж нь дундаж квадрат алдааг хамгийн бага байлгадаг бөгөөд энэ нь шугаман регрессийн загварын суурь болдгийг ойлгоно.
  4. Детерминацийн коэффициентын утга агуулга ба тухайн корреляц болон нөхцөлт корреляц хоорондын ялгааг мэддэг болно.

Чадвар

  1. Санамсаргүй векторын хувьд математик дунджийн вектор, ковариац болон корреляцийн матрицыг тооцоолж олох чадвартай болно.
  2. Олон хэмжээст хэвийн тархалтаас нөхцөлт дундаж ба нөхцөлт ковариацийг олж, нөхцөлт нягтын функцийг байгуулж чаддаг болно.
  3. Хамтдаа хэвийн тархалттай хувьсагчдын хувьд шугаман регрессийн загварыг тодорхойлж, детерминацийн коэффициентоор дисперсийн тайлбарлагдах хувийг олж сурна.
  4. Ковариацийн матрицын урвууг ашиглан тухайн корреляцийг олох болон хөндлөнгийн хувьсагчийн нөлөөг зайлуулсан хамаарлыг шинжлэх чадвартай болно.

Хандлага

  1. Олон хувьсагчтай нийлмэл өгөгдлийг вектор болон матрицан бүтцээр системтэй шинжлэх математик сэтгэлгээ төлөвшинө.
  2. Хувьсагчдын хоорондын шууд болон дам хамаарлыг ялгаж салган, статистик загварчлалд бодитой, шүүмжлэлтэй ханддаг болно.
  3. Регрессийн болон бусад статистик загварыг практикт хэрэглэхдээ загварын урьдчилсан нөхцөл, таамаглалуудад нухацтай ханддаг зарчимч хандлага тогтоно.
Хариу

Дараах асуултуудад 10 сарын 27 07:40 — 11 сарын 17 07:40 хугацаанд хариулна.

Баталгаажуулах код авах

  1. Санамсаргүй векторын ковариацын матрицаас ямар мэдээлэл авч болох вэ?


  2. Нөхцөлт математик дундаж ашигласан прогнозын алдаа ямар чанартай вэ?


  3. Олон хэмжээст хэвийн тархалттай санамсаргүй векторын нөхцөлт математик дунджийн илэрхийлэл ямар хэлбэртэй функц байдаг вэ?


  4. Шугаман загварын детерминацын коэффициент нь ...


  5. Хоёр хэмжээст хэвийн тархалт хэдэн параметртэй вэ?


  6. Санамсаргүй хувьсагчид хамааралгүй бол тэдгээрийн корреляцийн коэффициент ямар байх вэ?


  7. Хоёр хэмжээст хэвийн тархалтын нягтын функцийн түвшний шугам ямар хэлбэртэй байдаг вэ?

Бүх асуултад зөв хариулах бөгөөд буруу бол ахин оролдоно.
Хариулах оролдлого бүрийг бүртгэж хадгална.