- возрастающая нечетная функция: z(-r) = -z(r).
Распределение вероятностей значений
приближается (тем более точно, чем больше объем выборки n) нормальным распределением вероятностей с параметрами: и .Статистика
имеет асимптотическое стандартное нормальное распределение .Асимптотически точный доверительный интервал надежности
для нормированного отклонения z: ,где
- квантиль уровня распределения , т.е. корень уравнения .Доверительный интервал для математического ожидания
: .Величиной
в выражении можно пренебречь, принимая во внимание, что она при есть бесконечно малая более высокого порядка в сравнении с .Доверительный интервал для гиперболического арктангенса коэффициента корреляции
: .Решение относительно
данного двойного неравенства приводит к искомому доверительному интервалу для коэффициента корреляции: ,с границами, определяемыми как значения гиперболического тангенса
для значений , равных соответственно и .Функция
задает преобразование, обратное -преобразованию Фишера. Следовательно, .- находится выборочный коэффициент корреляции r;
- выполняется прямое преобразование Фишера значения r: ;
- выбирается квантиль
, исходя из условия ;- вычисляются значения
и ;- с помощью обратного преобразования Фишера находятся границы ДИ:
и .Их построение осуществляется в соответствии с общей схемой. При этом используются статистики:
; ,имеющие распределение Стьюдента с числом степеней свободы, равном
. ; ,где
- корень уравнения .Предполагается, что совместное распределение анализируемых случайных переменных (признаков)
подчинено h-мерному нормальному закону.Типовые задачи
¨ определение тесноты связи между некоторыми переменными при фиксировании или исключении влияния остальных переменных;
¨ определение тесноты связи одной из рассматриваемых переменных с совокупностью всех остальных переменных, включенных в анализ.
Корреляционная матрица
Начальный этап многомерного корреляционного анализа количественных признаков состоит в оценке (приближении) на основе выборочных данных матрицы
,элементы которой
- парные коэффициенты корреляции переменных .Выборочная корреляционная матрица
В качестве статистического аналога корреляционной матрицы
принимается матрица ,здесь
- выборочные парные коэффициенты корреляции переменных .Матрицы
, qh симметричны относительно главной диагонали.Вся имеющаяся для анализа статистическая информация о зависимостях между случайными величинами
содержится в выборочной корреляционной матрице .Однако раскрытие многообразия взаимосвязей данных переменных непосредственно по их парным коэффициентам корреляции невозможно. Для проведения исследования при решении указанных типовых задач необходимо вычислять также частные и множественные коэффициенты корреляции, представляющие собой определенные действительные функции матрицы
.где
- минор элемента матрицы , т.е. определитель матрицы, получающейся из корреляционной матрицы удалением -ой строки и -го столбца.Свойства частного коэффициента корреляции
обладает всеми свойствами парного коэффициента корреляции , т.к. является коэффициентом корреляции для их условного двумерного распределения. В отличие от парного коэффициента корреляции , на величине которого сказывается не только влияние переменных друг на друга, но и воздействие остальных переменных, частный коэффициент корреляции позволяет характеризовать тесноту связи между признаками в «чистом» виде, исключая при анализе зависимости влияние других переменных. Если парный коэффициент корреляции больше соответствующего частного коэффициента , то можно заключить, что остальные рассматриваемые переменные усиливают взаимосвязь между изучаемыми величинами . Уменьшение значения парного коэффициента корреляции, в сравнении с отвечающим ему частным коэффициентом корреляции, свидетельствует об ослаблении связи между исследуемыми величинами в результате воздействия других переменных.