统计学专业教授讲座(续2).DOCVIP

授 課 目 錄 導 論 統計資料的整理與描述 機率導論 常用的機率分配與統計分佈 描樣方法與描樣分佈 統計估計 統計檢定 變異數分析 相關分析與迴歸模式 無母數統計檢定 類別資料分析---列聯表與卡方檢定 課前補充---系統、線性、與線性系統 系統的定義：『相互作用以達到某一目的之元件組合』。 過程 H 過程 H 輸出Y(t) 輸入X(t) 以符號表示： X(t) ? Y(t) 以運算子(Operator)或函數符號H表示： Y(t) = H [X(t)] 何謂線性、線性系統(Linear System)? X1(t) ? Y1 (t) and X2 (t) ? Y2 (t) Then ?X1(t) + ?X2 (t) ? ?Y1 (t) + ?Y2 (t)---Superposition Where ?、? = Constant 符合上述重疊原理(Principle of Superposition)即線性。 H[?X1(t) + ?X2(t)] = ? H[X1(t)] + ? H[X2(t)] = ? Y1(t) + ? Y2(t) 符合上述重疊原理之系統即線性系統。 第九章 相關分析與迴歸模式 第九章 相關分析與迴歸模式 『小時候胖，是不是胖?』，『龍生龍、鳳生鳳、老鼠生的兒子會打洞?』，日常生活中，常發某些現象與其他現象有相關性(Correlation)。本章係探討變數之間的相關程度，並用統計方法建立一合適的迴歸模式。迴歸模式分為單變數(簡單)迴歸與多變數(複)迴歸。 9.1 資料散佈圖與相關程度 研究資料相關與迴歸之步驟搜集資料繪出其散佈圖(x, y) 研究資料相關與迴歸之步驟 搜集資料繪出其散佈圖(x, y) 求出相關係數 以散佈圖建立y(x)之迴歸模式 估計與檢定建構迴歸模式 一般而言，任兩變數之間存在某種關係，包括正相關、負相關、或統計無關。相關係數(Correlation Coefficient)以 ? 表示，即兩個變數X與Y的相關程度，其定義為： ? = ?X,Y / ?X?Y = Cov(X, Y) /?X?Y (9.1) 式中： ?2X?2Y 分別為X與Y為變異數； ?X,Y = Cov(X, Y)為X與Y為共變異數。 當? ? 0時 X與Y之間為正相關； 當? ? 0時 X與Y之間為負相關； 當? = 0時 X與Y之間為沒有關係存在，或統計無關。 在實務應用上，常以樣本相關係數來估計?，即 (9.2) 其中， (xi , yi)為第i對樣本值，i =1, 2,…,n； 分別為其各對變數之樣本平均值。 ? 僅能用來衡量”直線相關程度，至於非直線的情況而言，? 就無任何代表意義。 相關係數的解釋 (1) 有相關並不表示有因果關係。 (2) 相關係數必須經過假設檢定。 (3) 絕對值相等的正負號相關係數代表兩變數的關連強度是一樣的，只是方向不同。 (4) 即使相關係數等於0，與其說是兩變數無關，寧可說是此兩變數沒有線性。 相關係數 ? 的檢定 當隨機變數X與Y之聯合分佈服從二元常態分配時，欲檢定H0 : ? = 0, vs. H1 : ? ? 0時，其檢定統計式： tn-2= (9.3) 當欲檢定相關係數是否等於不為0的某特定值時，即檢定H0 : ? = ?0 , vs. H1 : ? ? ?0 (?0 ? 0)時可使用費雪轉換(Fisher Transformation)，其檢定統計式： (9.4) 在統計假設H0為真時， ?N[Z0 , 1/(n-3)] Z0 = 1/2 ln[(1+ ?0)/(1- ?0)] 範例、抽10人，發現8歲體重和20歲體重的相關係數為0.8，但說不定母體的相關係數 ? 是0，但因抽樣誤差，而產生樣本關係數為0.8，因此要進行相關係數相關係數的假設檢定。 SOL： 統計假設為： H0：? = 0, vs. H1：? ? 0 ? = 0.05 下之雙邊檢定 tn-2== 0.8(10-2)1/2/(1-0.82)1/2= 3.77 Critical Value = /=tinv(0.025*2,8)/= 2.3 (Two-sides) Critical Value = /=tinv(0.05*2,8)/= 1.86 (One-side) 3.77值大於顯著水準0.05之臨界值 Reject H0 ?? ?8歲體重和20歲體重的相關係數為0.8之假設。 範例、財金系研究指出台灣地區加權股票指數漲跌X與成交量Y有關，其相關係數為0.7。工管系為驗證此結果，隨機抽取去年39筆資料，得到 為0.6。 SOL： 統計假設為： H0