统计预测中虚假因子的识别理论及其在预测实践当中的应用(二)——偶然性相关率概率定理和偶然性复相关的识别与过滤

摘要

从（0,1）型的完备随机因子群与预报量之间的等概率相关出发,我们导出了偶然性相关率概率定理,即:任一含有n个（0,1）型元素的预报量序列,它与含有n个（0,1）型元素的完备随机因子群之间具有偶然性相关率m/n二的概率P_w（m/n）=C_n^m/2~n。类似于“偶然性单相关的识别与过滤”一文中的做法,引进统计量 并用其对预报因子进行显著性检验。文中给出了实际应用时应当执行的步骤。 然后本文将变量型从（0,1）型推广到K级划分的情况,于是得到K级偶然相关率概率定理,即:任一含有n个k级划分元素的预报量序列,它与包含n个k级划分元素的完备随机因子群之间具有的偶然性相关率m/n的概率P_w（m/n,k）=（k-1）^（n-m）C_n^m/K^n。