Особенности линейной и нелинейной регрессии
Знакомство со способами построения экспериментальных точек в декартовой системе координат. Общая характеристика ключевых этапов и проблем расчета коэффициентов парной корреляции. Рассмотрение основных особенностей линейной, а также нелинейной регрессии.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 02.11.2020 |
Размер файла | 831,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Задание 1
Построить и оценить линейную однофакторную регрессию.
В результате проведения однофакторных экспериментов были получены по 10 точек парных зависимостей y=f(x). Известно, что зависимости имеют линейный характер.
Таблица 1. Результаты однофакторных экспериментов
1 Построение экспериментальных точек в декартовой системе координат.
Откладываем экспериментальные точки в декартовой системе координат. Координатная плоскость представлена на рисунке 1.
Рисунок 1. Изображение экспериментальных точек в декартовой системе координат
2. Построение оценочной прямую линию зависимости по методу контура.
Строим контур вокруг экспериментальных точек и рисуем примерную прямую линию, проходящую близко ко всем точкам вдоль контура. Оценочная прямая представлена на рисунке 2.
Рисунок 2. Изображение оценочной прямой в контуре
3. Расчет коэффициентов линейной регрессии b0 и b1.
Рассчитываем коэффициенты уравнения b0 и b1. Сводим предварительные расчеты сумм в таблицу 2.
Таблица 2 - Предварительные расчеты сумм
Средние значения фактора и функции:
Для проверки правильности вычисления сумм используем выражение:
Подставляя числовые данные, получим:
Или
Следовательно, вычисления выполнены правильно.
В формулы для постоянных коэффициентов b0 и b1 подставляем найденные значения сумм из таблицы 2.
Формула, которая отображает с некоторой вероятностью зависимость y от х (уравнение однофакторной линейной регрессии), имеет вид:
4 Расчет коэффициентов парной корреляции.
Коэффициент парной корреляции равен:
5 Построение прямой по полученной регрессионной зависимости в тех же координатах (с экспериментальными точками и оценочной прямой).
Линию регрессии на координатной плоскости строим по двум точкам:
6 Проверка значимости полученного уравнения регрессии по критерию Фишера.
Проверяем значимость полученного уравнения регрессии:
Вычисленные параметры остаточной дисперсии оформляем в виде таблицы 3.
линейный корреляция регрессия
Таблица 3 - Параметры остаточной дисперсии
Общая дисперсия уравнения равна:
Остаточная дисперсия уравнения равна:
F-критерий Фишера:
где - табличное значение критерия Фишера .
Фактическое значение F-критерия меньше табличного, поэтому нет основания отклонять нулевую гипотезу.
Задание 2
Построить и оценить нелинейную однофакторную регрессию.
Таблица 4 - Результаты однофакторных экспериментов
Требуется:
1 Построение экспериментальных точек в декартовой системе координат. Построим опытные парные точки на координатной плоскости. По точкам определяем парную зависимость y = f(x), как близкую к квадратичной (рисунок 3).
Рисунок 3 - Изображение оценочной парной зависимости
2 Расчет коэффициентов нелинейной (квадратичной) зависимости a, b, c методом исключения переменных в нормальных уравнениях.
Вычисляем суммы, необходимые для вычисления коэффициентов a, b и с, в табличной форме.
Таблица 5 - Вычисляем суммы, необходимые для вычисления коэффициентов a, b и с
Полученные значения сумм подставляем в нормальные уравнения, получим:
Окончательно получаем квадратичное уравнение:
Для проверки найденные значения коэффициентов подставляются в исходные уравнения:
3 Проверка адекватности полученного уравнения регрессии по F критерию Фишера;
Проверяем адекватность полученного уравнения регрессии по F-критерию Фишера. Для этого вычисляем общую и остаточную дисперсию функции у. Сводим вычисления сумм в таблицу 6.
Таблица 6 - Сводные данные вычисления сумм
Среднее значение у равно:
Вычисляем предсказанные значения y и строим кривую y=f(x) (см. рис. 2):
Общая дисперсия уравнения равна:
где vчисл=8-1=7.
Остаточная дисперсия уравнения равна:
где vзнам=8-2=6.
F-критерий Фишера:
Для того чтобы уравнение квадратичной регрессии адекватно описывало результаты экспериментов, необходимо, чтобы это уравнение при 5 %-м уровне значимости описывало результаты опытов в 4,2 раз лучше среднего.
F-критерий показывает, что уравнение регрессии в 138,57 раз лучше среднего описывает результаты опытов при 5 % уровне значимости F.
Список использованных источников
1. Налимов В.В. Теория эксперимента. - М.: Наука , 1971. - 301 с.
2. Митропольский А.К. Техника статических вычислений. - М.: Наука , 1971. - 257 с.
3. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. - М.: Наука , 1976. - 279 с.
4. Ивоботенко Б.А., Ильинский Н.Ф., Копылов И.П., Планирование эксперимента в электромеханике. - М.: Наука, - 202 с.
5. Бородюк В.П., Вощинин А.П., Иванов А.З. Статистические методы в инженерных исследованиях. / Под ред. Г.К. Круг - М.: Высш. шк., 1983. - 216 с.
6. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов. - М.: Наука. - 1986. - 501 с.
7 Кочинев Ю.Ю., Серебренников В.А. Техника планирования эксперимента. Учебное пособие. - Л.: ЛПИ, 1986. - 70 с.
8. Львовский Е.Н. Статистические методы построения эмпирических формул. Учебное пособие для втузов. - М.: Высш. шк., 1988. - 239 с.
9. Дьяконов В.П. Справочник по алгоритмам и программам на языке бейсик для персональных ЭВМ. - М.: Высш. шк., 1990. - 250 с.
10. Котеленец Н.Ф., Кузнецов Н.Л. Испытания и надежность электрических машин. Учебное пособие для вузов. - М.: Высш. шк., 1988. - 232 с.
Размещено на Allbest.ru
Подобные документы
Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.
контрольная работа [110,4 K], добавлен 28.07.2012Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.
контрольная работа [108,5 K], добавлен 28.03.2018Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.
задача [142,0 K], добавлен 20.03.2010Исследование зависимости часового заработка одного рабочего от общего стажа работы после окончания учебы с помощью построения уравнения парной линейной регрессии. Вычисление описательных статистик. Построение поля корреляции и гипотезы о форме связи.
контрольная работа [226,6 K], добавлен 11.08.2015Понятие регрессии. Оценка параметров модели. Показатели качества регрессии. Проверка статистической значимости в парной линейной регрессии. Реализация регрессионного анализа в программе MS Excel. Условия Гаусса-Маркова. Свойства коэффициента детерминации.
курсовая работа [233,1 K], добавлен 21.03.2015Уравнение нелинейной регрессии и вид уравнения множественной регрессии. Преобразованная величина признака-фактора. Преобразование уравнения в линейную форму. Определение индекса корреляции и числа степеней свободы для факторной суммы квадратов.
контрольная работа [501,2 K], добавлен 27.06.2011Расчет уравнений линейной и нелинейной парной регрессии. Оценка тесноты связи расходов на перевозки и грузооборота с помощью показателей корреляции и детерминации. Оценка ошибки аппроксимации уравнений регрессии. Расчет прогнозного значения расходов.
курсовая работа [2,5 M], добавлен 26.12.2014Параметры парной линейной, линейно-логарифмической функции. Оценка статистической надёжности. Ошибка положения регрессии. Расчёт бета коэффициентов, уравнение множественной регрессии в стандартизованном масштабе. Задача на определение тесноты связи рядов.
контрольная работа [192,2 K], добавлен 23.06.2012Методика определения параметров линейной регрессии, составления экономической интерпретации коэффициентов регрессии. Проверка выполнения предпосылок МНК. Графическое представление физических и модельных значений. Нахождение коэффициентов детерминации.
контрольная работа [218,0 K], добавлен 25.05.2009Понятие параметрической идентификации парной линейной эконометрической модели. Критерий Фишера, параметрическая идентификация парной нелинейной регрессии. Прогнозирование спроса на продукцию предприятия. Использование в MS Excel функции "Тенденция".
контрольная работа [73,3 K], добавлен 24.03.2010