-критерію Стьюдента:
(18)
Для чистого коефіцієнта кореляції при розрахунку його замість (n-2) треба брати , тому що в цьому випадку мається m = 2 (дві факторні змінні x і z). При великому числі n> 100 замість (n-2) або (n-3) в (6) можна брати n, нехтуючи точністю розрахунку.
Якщо t r > t табл., то коефіцієнт парної кореляції - загальний або чистий є статистично значущим, а при t r ? t табл. - незначущим.
Значимість коефіцієнта множинної кореляції R перевіряється за F - критерієм Фішера шляхом розрахунку його фактичного значення
(19)
При F R > F табл. коефіцієнт R вважається значимим із заданим рівнем значущості a і наявних ступенях свободи і , а при F r ? F табл - незначущим.
У сукупностях великого обсягу n> 100 для оцінки значущості всіх коефіцієнтів Пірсона замість критеріїв t і F застосовується безпосередньо нормальний закон розподілу (табульований функція Лапласа-Шеппарда).
.3 Методи прогнозування в рядах динаміки
Статистичні методи прогнозування - наукова і навчальна дисципліна, до основних завдань якої відносяться розробка, вивчення і застосування сучасних математико-статистичних методів прогнозування на основі об'єктивних даних; розвиток теорії і практики ймовірнісно-статистичного моделювання експертних методів прогнозування; методів прогнозування в умовах ризику і комбінованих методів прогнозування з використанням спільно економіко-математичних та економетричних (як математико-статистичних, так і експертних) моделей. Науковою базою статистичних методів прогнозування є прикладна статистика та теорія прийняття рішень. p align="justify"> Найпростіші методи відновлення використовуваних для прогнозування залежностей виходять із заданого тимчасового ряду, тобто функції, визначеної в кінцевому числі точок на осі часу. Часовий ряд при цьому часто розглядається в рамках тієї чи іншої ймовірнісної моделі, вводяться інші фактори (незалежні змінні), крім часу, наприклад, обсяг грошової маси. Часовий ряд може бути багатовимі...
