 |
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция
Для примера оформления данной лабораторной работы приведен расчет задания на конкретном примере
Студент должен сделать расчет для своего варианта.
Построение и анализ линейной регрессии и прогнозирование
Выходные условия:
В таблице 1.1 приведены ежегодные данные о потребительских расходах и располагаемых личных доходах для населения США на период с 1959 по 1983 годы.
Таблица 1.1
| года | |||||||||
| Личный располагаемый доход | 1015,5 | 1021,6 | 1049,3 | 1058,3 | 1095,4 | 875,8 | 906,8 | 942,9 | 988,8 |
| Текущий расход (Бензин) | 250,6 | 260,8 | 270,7 | 280,3 | 270,4 | 250,1 | 250,1 | 250,3 | 260,1 |
Задания:
1. При помощи библиотеку stats пакета Maple, необходимо построить парную линейную регрессионную модель вида:
где 
– личный располагаемый доход, 
– один из таких расходов.
а) выборочные средние и дисперсии для результативного и факторного признаков, при помощи функций describe[mean] и [describe[variance[1]](data1),describe[variance[1]](data2)] пакета Maple;
б) выборочную ковариацию и коэффициент корреляции, при помощи Далее рассчитывается выборочная ковариация и коэффициента корреляции при помощи функций describe[covariance](data1, data2) и describe[linearcorrelation](data2, data1) пакета Maple;
в) определить неизвестные параметры уравнений двумя способами:
- полученные методом наименьших квадратов, при помощи библиотеки linalg пакета Maple;
-при регрессионном анализе, при помощи библиотеки stats функции fit пакета Maple;
2. Проиллюстрировать решение графически, используя библиотеку plots пакета Maple
3. Определить качество модели проверяя:
а) адекватность модели по критерию Фишера, при помощи библиотеки, функции stats[statevalf,icdf,fratio[1,6]](0.95);
б) значимость параметров выборочной регрессионной модели, применяя t-тест Стьюдента, при помощи библиотеки, функции stats[statevalf,icdf,studentst[6]](0.975);
4. Определить прогнозные величины по модели, а также интервалы доверия для прогнозного значения зависимой переменной.
Поиск по сайту: