|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Решение поставленной задачиа) выборочные средние , (несмещеннные оценки математического ожидания) и смещеннные оценки дисперсии s2 х = var (x), s2у = var (y) для каждой переменнойрассчитываются по формулам: = , = s2 х = var (x) = , s2у= var (y) = . Примечание 1. Во всех формулах, где опущены индексы суммирования, оно проводится от 1 до n, то есть символ означает
На рис. 1 показан пример применение функций describe[mean] и [describe[variance[1]](data1),describe[variance[1]](data2)] для расчета выборочных средних значения и дисперсий. Рисунок 1
б) выборочная ковариация cov (x, y) рассчитывается по формуле: cov (x, y)= Уравнение регрессии всегда дополняется показателем тесноты связи между зависимой величиной Y и независимой X, в качестве которого выступает линейный коэффициент корреляции rxy, рассчитываемый по формуле: rxy= = , - 1£ rxy £+1 Коэффициент корреляции является относительной мерой связи между двумя переменными. Нетрудно заметить, что rxy совпадает по знаку с b1. По значению rxy формулируется вывод о количественной мере линейной связи между переменными x и y. Отметим основные свойства коэффициента корреляции: § -1£rxy£1. Если коэффициент регрессии b1>0, то 0£rxy£1 и корреляционная связь между переменными называется прямой. И, наоборот, при b1<0, -1£rxy£0 – связь называется обратной. § в зависимости от того, насколько абсолютная величина приближается к 1, различают виды связи от слабой до весьма тесной. Чем ближе rxy ®±1, тем сильнее связь, в противном случае, когда коэффициент корреляции стремится к 0 – связь отсутствует. § если все значения переменных увеличить (уменьшить) на одно и тоже число или в одно и то же число раз, то величина rxy не изменится. § при rxy=0 линейная корреляционная связь отсутствует. Если rxy= ±1, то можно сделать вывод о том, что между x и y существует точная функциональная линейная зависимость, направление которой определяется знаком rxy. В этом случае линейная регрессия должна точно проходить через все точки выборки (xi, yi), i =1,2,..., n и остаточная сумма квадратов (MSE), вычисленная по уравнению регрессии должна равняться нулю.
При помощи пакета Maple рассчитывается выборочная ковариация и коэффициента корреляции при помощи следующих функций describe[covariance](data1, data2) и describe[linearcorrelation](data2, data1) (рис. 2) Рисунок 2
в) определяем неизвестные параметры модели двумя способами: Параметры регрессии определяются исходя из метода наименьших квадратов (МНК). МНК позволяет получить такие оценки параметров b0 и b1, при которых сумма квадратов отклонений фактических значений результативного признака (у) от расчетных (теоретических) минимальна: Иными словами, из всего множества линий линия регрессии на графике выбирается так, чтобы сумма квадратов расстояний по вертикали между точками и этой линией была бы минимальной: , следовательно, Чтобы найти минимум функции, надо вычислить частные производные по каждому из параметров b0 и b1 и приравнять их к нулю. Обозначим через F: F= Запишем необходимые условия экстремума: , или Преобразуем формулу, раскрыв скобки, и получим систему линейных алгебраических уравнений (СЛАУ) (для краткости опустим индексы суммирования у знака суммы) состоящую из двух уравнений: . Применяя пакет Maple при помощибиблиотеки Linalg (рис3). Рисунок 3 И при помощи библиотеки stats функции fit пакета Maple построим регрессионную модель вида (рис. 4). Рисунок 4
2. Регрессионная модель представлена графически на рис. 5-6.
Рисунок 5 Рисунок 6
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.012 сек.) |