Нет ничего более практичного,
чем хорошая теория.
Л. Больцман
Поскольку мы имеем, как правило, дело со стохастическими величинами, необходимо найти не только среднеарифметическое значение изучаемого параметра, но и возможные отклонения от среднего значения. В математической статистике применяется не разность отклонений, а квадрат разности, т.к. при возведении в квадрат любое число дает положительную величину. Вместо (mi – m0) для определения среднего отклонения принимают (mi – m0)2. Тогда среднеквадратичное отклонение будет:
.
Если число членов математического ряда меньше 30, то среднеквадратическое отклонение находя по формуле:
.
Величина «G» характеризует абсолютную изменчивость ряда и всегда получается в абсолютных величинах. Для возможности сравнения статистических рядов в отношении их изменчивости необходимо выразить величину «G» в долях от m0, то есть
.
Относительное среднеквадратическое отклонение от среднеарифметического значения ряда называется коэффициентом вариации.
Любой математический ряд характеризуется, помимо m0 и Cv, коэффициентом асимметрии. Ряд называется асимметричным, если положительные и отрицательные отклонения членов ряда от среднеарифметического повторяются одинаково часто.
Коэффициент асимметрии вычисляется по формуле:
При Сs = 0 кривая ряда симметрична и называется кривой Гаусса.
Взаимозависимость между двумя величинами выражается простыми арифметическими уравнениями и математическими кривыми. Например, популярность парка среди населения города (что проявляется в посещаемости объекта ландшафтной архитектуры) легко прослеживается на рис. 10.
Рис. 10. Взаимозависимость двух изучаемых параметров
Эту динамику можно отразить и на столбчатой диаграмме (рис. 11).
Рис. 11. Динамика посещаемости парка за последние 5 лет
Под такие простые зависимости легко подобрать уравнения простых прямых или кривых (парабола, синусоида и др.) и, пользуясь ими, делать соответствующие прогнозы.
Однако нередко мы сталкиваемся с взаимозависимостью трех величин. Например, в социальной практике это ярче всего проявляется между такими параметрами:
m – размер пенсии;
q – уровень личностной тревожности пенсионеров;
ω – уровень их социальной активности.
В практике ландшафтной архитектуры пример трехзвенной зависимости может быть таким:
m – число объектов показа;
q – подробность и эстетика оформления аншлагов у каждого
объекта показа;
ω – посещаемость прогулочной функциональной зоны парка.
Взаимосвязь 3-х величин (m, q, ω) вычисляется по уравнению регрессии типа:
ω = 0,01m + 0,24q – 21,51,
в котором константы надо установить математическим методом с помощью вспомогательной формы (табл. 10).
Среднеквадратичное отклонение исследуемых рядов стохастических величин вычисляются по формулам:
,
,
,
где n – число членов математического ряда (генеральная совокуп-
ность наблюдений);
G – среднеквадратичные отклонения исследуемых рядов стохас-
тических величин;
ω, q, m – изучаемые параметры.
В итоге вычерчивается график общеизвестного типа (рис. 12).
Таблица 10
Выявление взаимосвязи трех величин
№№ пп или объектов | q | ω | m | ± ∆q | ± ∆ω | ± ∆m | ∆q2 | ∆ω2 | ∆m2 | ± ∆q·∆ω | ± ∆q·∆m | ± ∆ω·∆m |
∑ | ∑ | ∑ | ∑ | ∑ | ∑ |
Рис. 12. Взаимозависимость трех исследуемых величин
Стандартная ошибка измерений:
,
а при большом числе измерений .
Оптимальное значение ошибки находится в пределах 2÷3%.
Оценка полученных результатов:
Средняя квадратичная ошибка уравнения регрессии:
Средняя квадратичная ошибка совокупного коэффициента корреляции:
Вероятная ошибка коэффициента корреляции:
Совокупный коэффициент корреляции:
Если знак коэффициента корреляции сохраняется в обоих случаях (Rmax= R+ER и Rmin= R-ER), то корреляционная зависимость является доказанной (чем меньше ЕR, тем связь эта более тесная).