esmajoones nende lineaarse seose tugevuse mõttes. Korrelatsioon on dimensioonivaba arvkarakteristik, mille moodul ei ületa väärtust 1. Mida lähemal on korrelatsiooni moodul väärtusele 1, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Kui korrelatsioon võrdub nulliga, siis on tegemist X ja Y korreleerimatusega (xy =0). Korreleerimatus on seotud sõltumatusega nii, et sõltumatusest tuleneb korreleerimatus, ent vastupidine üldjuhul ei kehti. Korrelatsiooni ruutu nimetatakse determinatsiooniteguriks (ka determinatsiooniks). Juhusliku suuruse teisendused Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi =g(xi) ning jaotus {pi} säilub Y jaoks samasena kui X jaoks. Kui X on pidev juhuslik suurus ning teisendusfunktsioon g(x) on monotoonne. Juhusliku suuruse lineaarteisendused Lineaarteisendus on ülalkirjeldatud juhusliku suuruse teisendamise olulisim erijuht, kus teisendusfunktsioon saab kuju g(x) = a + bx (b0)
Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi=g(x) ning jaotus säilub Y jaoks samasena kui X jaoks. Kui X on pidev juhuslik suurus ning teisendusfunktsiooon g(x) on monotoonne, siis avaldub y jaotustihedus nii: fy(y)=fx[i(y)]*/i'(y)/ Kui x on pidev juhuslik suurus ning teisendusfunktsioon g(x) pole monotoonne, tuleb g(x) jagada X muutumispiirkonna osas monotoonsuspiirkondadeks.
N=25, siis võib aegrida pidada käänupunktide kriteeriumi järgi juhuslikuks. Osa B 18 10. Korrelatsiooniteguri leidmiseks paarisvalimi jaoks (N=5) leidsin x ja y keskväärtused ´x ja ´y , arvutasin x ja y ruuthajuvused V ja V ning arvutasin korrelatsiooni x y hinnangu rxy. Determinatsiooniteguriks on d=r2. H0: =0 (x ja y on korreleerimata) kontrollimiseks leidsin korrelatsiooni hinnangu järgi statistiku t. Olulisuse nivool =0,05 peab nullhüpoteesi vastuvõtmiseks tt1-/2(f), f=N-2, seega on nullhüpotees kummutatud ning x ja y võib lugeda korreleerituks. Kasutades z-statistikut, peab nullhüpoteesi vastu võtmiseks z0z1-/2, seega nullhüpotees on kummutatud ning x ja y võib lugeda korreleeritud suurusteks. 11
Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Juhusliku suuruse teisendusi Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi=g(x) ning jaotus säilub Y jaoks samasena kui X jaoks. Kui X on pidev juhuslik suurus ning teisendusfunktsiooon g(x) on monotoonne, siis avaldub y jaotustihedus nii: fy(y)=fx[(y)]*['(y)] Kui x on pidev juhuslik suurus ning teisendusfunktsioon g(x) pole monotoonne, tuleb g(x) jagada X
annaabi.ee 
