Данные:
1. Найдем среднее значение X:
\( \bar{X} = \frac{5+6+7+8+9}{5} = \frac{35}{5} = 7 \)
2. Найдем среднее значение M:
\( \bar{M} = \frac{2+3+6+4+1}{5} = \frac{16}{5} = 3.2 \)
3. Рассчитаем отклонения от среднего для X:
Сумма квадратов отклонений X = 4 + 1 + 0 + 1 + 4 = 10
4. Рассчитаем отклонения от среднего для M:
Сумма квадратов отклонений M = 1.44 + 0.04 + 7.84 + 0.64 + 4.84 = 14.8
5. Рассчитаем ковариацию:
\( Cov(X, M) = \frac{\sum_{i=1}^{n} (X_i - \bar{X})(M_i - \bar{M})}{n-1} \)
\( (5-7)(2-3.2) = (-2)(-1.2) = 2.4 \)
\( (6-7)(3-3.2) = (-1)(-0.2) = 0.2 \)
\( (7-7)(6-3.2) = (0)(2.8) = 0 \)
\( (8-7)(4-3.2) = (1)(0.8) = 0.8 \)
\( (9-7)(1-3.2) = (2)(-2.2) = -4.4 \)
\( \sum (X_i - \bar{X})(M_i - \bar{M}) = 2.4 + 0.2 + 0 + 0.8 - 4.4 = -1 \)
\( Cov(X, M) = \frac{-1}{5-1} = \frac{-1}{4} = -0.25 \)
6. Рассчитаем стандартное отклонение для X:
\( \sigma_X = \sqrt{\frac{\sum (X_i - \bar{X})^2}{n-1}} = \sqrt{\frac{10}{4}} = \sqrt{2.5} \approx 1.58 \)
7. Рассчитаем стандартное отклонение для M:
\( \sigma_M = \sqrt{\frac{\sum (M_i - \bar{M})^2}{n-1}} = \sqrt{\frac{14.8}{4}} = \sqrt{3.7} \approx 1.92 \)
8. Рассчитаем среднее квадратическое отклонение (корреляцию):
\( r = \frac{Cov(X, M)}{\sigma_X \sigma_M} = \frac{-0.25}{1.58 \times 1.92} = \frac{-0.25}{3.0336} \approx -0.08 \)
Среднее квадратическое отклонение — это мера разброса данных. В данном случае, это коэффициент корреляции, который показывает линейную зависимость между X и M. Округляем до десятых.
Ответ: -0.1.