Міністерство освіти і науки України

Тернопільський національний технічний університет ім. І. Пулюя

Кафедра комп’ютерних наук

ЗВІТ
про виконання лабораторної роботи №12
на тему: «Статистичний аналіз двовимірної випадкової величини
з використанням Python»

Виконала: ст. гр. СН-22

Столяр А.В.

Перевірив:
Фриз М.Є.

Тернопіль 2022
Тема: Статистичний аналіз двовимірної випадкової величини з використанням
Python.
Варіант – 36
Завдання 1
Завантажуємо архів. У архіві – колекція текстових файлів. Наведене
нижче слід виконати для даних з кожного файла. У кожному файлі наведено
вибірку спостережень двовимірного гауссівського випадкового вектора.
Прочитати дані. Побудувати «діаграму розсіювання» на основі заданої вибірки.
Обчислити та надрукувати оцінки математичного сподівання, дисперсії кожної
з компонент випадкового вектора, а також оцінку їх коефіцієнта
кореляції. Позначити оцінку математичного сподівання на діаграмі
розсіювання. Проаналізувати отримані результати і зробити висновки.
Виконання завдання 1
Зчитування даних та побудова діаграми для data036_1 (див.рис.12.1):

Рисунок 12.1 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.2):

Рисунок 12.2 – Діаграма розсіювання

 Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.3). 

Рисунок 12.3 – Обчислення оцінок

Зчитування даних та побудова діаграми для data036_2 (див.рис.12.4):

Рисунок 12.4 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.5):

Рисунок 12.5 – Діаграма розсіювання

 Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.6). 

Рисунок 12.6 – Обчислення оцінок

Зчитування даних та побудова діаграми для data036_3 (див.рис.12.7):

Рисунок 12.7 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.8):

Рисунок 12.8 – Діаграма розсіювання

 Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.9). 

Рисунок 12.9 – Обчислення оцінок

Зчитування даних та побудова діаграми для data036_4 (див.рис.12.10):

Рисунок 12.10 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.11):

Рисунок 12.12 – Діаграма розсіювання

 Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.13). 

Рисунок 12.13 – Обчислення оцінок

Зчитування даних та побудова діаграми для data036_5 (див.рис.12.14):

Рисунок 12.14 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.15):

Рисунок 12.15 – Діаграма розсіювання

 Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.16). 

Рисунок 12.16 – Обчислення оцінок

Аналізуючи вище зображенні діаграми розсіювання, слід зазначити, що

практично всі вони між собою дещо різняться. Звернувши увагу на діаграму
розсіювання для вибірки data036_1 та data036_3 , слід зазначити, що точки
розташовані хаотично, а коефіцієнт кореляції ближчий до 0, що вказує на
слабку залежність величин, а міра його розсіяння є досить таки великою. Для
вибірки data036_2 на діаграмі вийшло спадання точок, тобто зростання однієї
величини тягне за собою спадання іншої, про це нам свідчить також коефіцієнт
кореляції, який є досить близьким до -1, що характеризує сильну лінійну
залежність цих величин. Для вибірок data036_4 та data036_5 діаграма
розсіювання вказує на ідеальну лінійну залежність, що веде за собою на скільки
це можливо сильну лінійну залежність, тільки відмінним є один фактор, що в
даних діаграмах різниться напрям цієї лінійної залежності, що вказує на те, що
в data036_4 зростання однієї величини тягне за собою зростання іншої, а в
data036_5 зростання однієї величин тягне за собою спад іншої, на що й
вказують їхні коефіцієнти кореляції.
Завдання 2
 Виконання завдання 2
Згенерування послідовності та утворення нової послідовності, створення
діаграми розсіювання (див.рис.12.17):

Рисунок 12.17 – Виконання завдання

Візуальне зображення діаграми розсіювання та позначення

математичного сподівання на діаграмі (див.рис.12.18):

Рисунок 12.18 – Діаграма розсіювання

Обчислення оцінки математичного сподівання, дисперсії, а також оцінка

їх коефіцієнта кореляції (див.рис.12.19). 
 Рисунок 12.19 – Обчислення оцінок

Аналізуючи дану діаграму розсіювання, слід зазначити, що тут і можна

спостерігати взаємозв’язок двох величин, але він точно не є лінійним. Тому, у
цьому випадку коефіцієнт кореляції неадекватно показує ступінь залежності.
Завдання 3
Завантажити файл з даними. Тут є чотири вибірки спостережень
двовимірних векторів, перша – 1-й і 2-й стовпчик, друга – 3-й і 4-й стовпчик,
третя – 5-й і 6-й стовпчик, четверта – 7-й і 8-й стовпчик. Для кожної вибірки
оцінити статистичні характеристики, ті що і в пунктах 3 – 5 завдання 1.
Звернути увагу на висновки, які слід зробити за результатами виконання
завдання.
Виконання завдання 3
Зчитування даних та побудова діаграми для першої вибірки
(див.рис.12.20):

Рисунок 12.20 – Виконання завдання

 Візуальне зображення діаграми розсіювання та позначення
математичного сподівання на діаграмі (див.рис.12.21):

Рисунок 12.21 – Діаграма розсіювання

Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.22). 

Рисунок 12.22 – Обчислення оцінок

Зчитування даних та побудова діаграми для другої вибірки (див.рис.12.23):

Рисунок 12.23 – Виконання завдання

 Візуальне зображення діаграми розсіювання та позначення
математичного сподівання на діаграмі (див.рис.12.24):

Рисунок 12.24 – Діаграма розсіювання

Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.25). 

Рисунок 12.25 – Обчислення оцінок

Зчитування даних та побудова діаграми для третьої вибірки (див.рис.12.26):

Рисунок 12.26 – Виконання завдання

 Візуальне зображення діаграми розсіювання та позначення
математичного сподівання на діаграмі (див.рис.12.27):

Рисунок 12.27 – Діаграма розсіювання

Обчислення оцінки математичного сподівання, дисперсії кожної з

компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.28). 

Рисунок 12.28 – Обчислення оцінок

Зчитування даних та побудова діаграми для четвертої вибірки (див.рис.12.29):

 Рисунок 12.29 – Виконання завдання
Візуальне зображення діаграми розсіювання та позначення
математичного сподівання на діаграмі (див.рис.12.30):

Рисунок 12.30 – Діаграма розсіювання

Обчислення оцінки математичного сподівання, дисперсії кожної з
компонент випадкового вектора, а також оцінку їх коефіцієнта кореляції
(див.рис.12.31). 

Рисунок 12.31 – Обчислення оцінок

Аналізуючи вище зображенні діаграми розсіювання, слід зазначити, що

всі вони між собою різняться. Звернувши увагу на діаграму розсіювання для
першої вибірки, слід зазначити, що точки розташовані трохи хаотично, а міра їх
розсіяння не є досить великою. Для другої вибірки, аналізуючи дану діаграму
розсіювання, слід зазначити, що тут і можна спостерігати взаємозв’язок двох
величин, але він точно не є лінійним. Тому, у цьому випадку коефіцієнт
кореляції неадекватно показує ступінь залежності. Для третьої вибірки діаграма
розсіювання вказує на практично ідеальну лінійну залежність, до того ж, дана
діаграма вказує напрям зростання цієї лінійної залежності, що вказує на те,
зростання однієї величини тягне за собою зростання іншої. Щодо четвертої
вибірки, то її діаграма вказує на те, що одного викиду достатньо для отримання
високого коефіцієнта кореляції, навіть якщо взаємозв’язок між двома
випадковими величинами не є лінійним.
Висновок: Виконавши лабораторну роботу, я ознайомилася із статистичним
аналізом двовимірної випадкової величини з використанням Python.
Проведений аналіз оцінки числових характеристик та коефіцієнта кореляції, за
допомогою візуалізації, а саме за допомогою побудови діаграми розсіюваня для
заданих вибірок, що дало змогу провести аналіз поведінки точок кожної
вибірки та оцінки числових характеристик заданої вибірки.