То, что вы описали во втором случае, тоже пример независимых переменных, так как там нет Y = X + случайная величина, а есть Y=мат. ожидание + отклонение. Только мат. ожидания для X и Y одинаковы.
Например, два предприятия держат по 1000 работников, но друг с другом не сотрудничают и не конкурируют. Количество выпускаемой продукции и используемые технологии со временем не меняются. При этом, квалификация работников тоже разная, так что из одного предприятия на другое никто перейти не может. Тогда количество работников на каждом из заводов есть независимые переменные, однако с одинаковым мат. ожиданием.
Если же первый завод является потребителем продукции второго, и производство продукции со временем меняется, то при увеличении производства на первом, придется увеличить и на втором, а при уменьшении производства на первом — соответственно уменьшить на втором. А так как изменить технологии нельзя, то регулировать количество продукции можно только количеством сотрудников. В таком случае зависимость есть.
Задача была смоделировать многомерную случ. величину по КОРРЕЛЯЦИОННОЙ матрице, вектору дисперсий и вектору мат ожиданий. Вместо корреляционной матрицы можно использовать ковариационную, но тогда вектор дисперсий не нужен (коэффициенты дисперсии расположены на главной диагонали ковариационной матрицы)
То, что вы описали во втором случае, тоже пример независимых переменных, так как там нет Y = X + случайная величина, а есть Y=мат. ожидание + отклонение. Только мат. ожидания для X и Y одинаковы.
Например, два предприятия держат по 1000 работников, но друг с другом не сотрудничают и не конкурируют. Количество выпускаемой продукции и используемые технологии со временем не меняются. При этом, квалификация работников тоже разная, так что из одного предприятия на другое никто перейти не может. Тогда количество работников на каждом из заводов есть независимые переменные, однако с одинаковым мат. ожиданием.
Если же первый завод является потребителем продукции второго, и производство продукции со временем меняется, то при увеличении производства на первом, придется увеличить и на втором, а при уменьшении производства на первом — соответственно уменьшить на втором. А так как изменить технологии нельзя, то регулировать количество продукции можно только количеством сотрудников. В таком случае зависимость есть.
Задача была смоделировать многомерную случ. величину по КОРРЕЛЯЦИОННОЙ матрице, вектору дисперсий и вектору мат ожиданий. Вместо корреляционной матрицы можно использовать ковариационную, но тогда вектор дисперсий не нужен (коэффициенты дисперсии расположены на главной диагонали ковариационной матрицы)
В вашем случае переменные независимы, так как изменение X никак не влияет на Y. Зависимость будет у переменной Y'=Y+aX+u, где a — какой-либо коэффициент, а u — неизвестный случайный элемент. В частном случае может быть просто Y'=Y+aX. То есть, вам надо к значению Y прибавить значение X, умноженное на константу и вы получите зависимые переменные.
Никогда не встречал такой информации. Поделитесь секретом: откуда взяли картинку [img]https://habrastorage.org/r/w1560/getpro/habr/upload_files/415/b2e/15f/415b2e15ff49141f561397e2a3fc2df9.png[/img]
И чем тогда занимаются рейтинговые агентства, если все считается так просто?
Например, два предприятия держат по 1000 работников, но друг с другом не сотрудничают и не конкурируют. Количество выпускаемой продукции и используемые технологии со временем не меняются. При этом, квалификация работников тоже разная, так что из одного предприятия на другое никто перейти не может. Тогда количество работников на каждом из заводов есть независимые переменные, однако с одинаковым мат. ожиданием.
Если же первый завод является потребителем продукции второго, и производство продукции со временем меняется, то при увеличении производства на первом, придется увеличить и на втором, а при уменьшении производства на первом — соответственно уменьшить на втором. А так как изменить технологии нельзя, то регулировать количество продукции можно только количеством сотрудников. В таком случае зависимость есть.
Задача была смоделировать многомерную случ. величину по КОРРЕЛЯЦИОННОЙ матрице, вектору дисперсий и вектору мат ожиданий. Вместо корреляционной матрицы можно использовать ковариационную, но тогда вектор дисперсий не нужен (коэффициенты дисперсии расположены на главной диагонали ковариационной матрицы)
Например, два предприятия держат по 1000 работников, но друг с другом не сотрудничают и не конкурируют. Количество выпускаемой продукции и используемые технологии со временем не меняются. При этом, квалификация работников тоже разная, так что из одного предприятия на другое никто перейти не может. Тогда количество работников на каждом из заводов есть независимые переменные, однако с одинаковым мат. ожиданием.
Если же первый завод является потребителем продукции второго, и производство продукции со временем меняется, то при увеличении производства на первом, придется увеличить и на втором, а при уменьшении производства на первом — соответственно уменьшить на втором. А так как изменить технологии нельзя, то регулировать количество продукции можно только количеством сотрудников. В таком случае зависимость есть.
Задача была смоделировать многомерную случ. величину по КОРРЕЛЯЦИОННОЙ матрице, вектору дисперсий и вектору мат ожиданий. Вместо корреляционной матрицы можно использовать ковариационную, но тогда вектор дисперсий не нужен (коэффициенты дисперсии расположены на главной диагонали ковариационной матрицы)