Функции и линии регрессии.

Пусть и - две случайные непрерывные величины, находящиеся в корреляционной зависимости. Это значит, что каждому значениюx случайной величины соответствует вполне определенное распределение вероятностей величины . Плотность распределения величины при условии, что , называется условной плотностью распределения случайной величины .
Вычислим для данного случая так называемое условное математическое ожидание величины при условии, что .Согласно определению математического ожидания непрерывной случайной величины, имеем

[см. формулу (40)]. Каждому возможному значению x случайной величины соответствует определенное значение условного математического ожидания . Таким образом, мы получаем функцию переменной x. Эта функция y=f(x)называется функцией регрессии величины на , а ее график - линией регрессии на .
Аналогично определяется условное математическое ожидание величины при условии, что :

где - условная плотность вероятности случайной величины при условии, что .
Функция x=g(y) называется функцией регрессии величины на , а ее график - линией регрессии на .
Cледует иметь в виду, что функции y=f(x) и x=g(y) не являются обратными по отношению друг к другу.
Если обе функции и линейны, то линиями регрессии являются прямые. В этом случае говорят, что случайные величины и связаны линейной корреляционной зависимостью. Можно показать, что уравнение прямой регрессии на имеет следующий вид:

(74)

где - условное математическое ожидание случайной величины при . Аналогично записывается уравнение прямой регрессии на :

(75)

где - условное математическое ожидание случайной величины при .
Величины

(76)

называются коэффициентами регрессии соответственно на и на .
Из формул (76) следует, что

(77)

Равенство (77) показывает, что оба коэффициента регрессии имеют одинаковые знаки. Если они положительны (отрицательны), то с возрастанием аргумента возрастают (убывают) соответствующие условные математические ожидания.
Если , то, как следует из уравнений (74) и (75), и , т.е. в этом случае условные математические ожидания постоянны и равны соответствующим математическим ожиданиям случайных величин и .

Замечание. Можно доказать, что если система двух случайных величин имеет нормальное распределение, то эти величины находятся в линейной корреляционной зависимости.