Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые проекты » Лінійна регресія

Реферат Лінійна регресія





Зміст


Введення

1. Теоретична частина

.1 Лінійна регресія

.1.1 Парна лінійна регресія

.1.2 Множинна лінійна регресія

.2 Теорема Гаусса-Маркова

. Практична частина

.1. Характеристика екзогенних і ендогенних змінних

.2 Побудова двухфакторного рівняння регресії

2.3 Побудова однофакторних рівнянь регресії

.4 Прогнозування значення результативної ознаки

Висновок

Список використаних джерел


Введення


При вирішенні практичних завдань дослідники стикаються з тим, що кореляційні зв'язки не обмежуються зв'язками між двома ознаками: результативним у і факторним х.

У дійсності результативний ознака залежить від декількох факторних.

Завдання багатофакторного аналізу:

. Обгрунтувати взаємозв'язку факторів, що впливають на досліджуваний показник.

2. Визначити ступінь впливу кожного фактора на результативний ознака шляхом побудови моделі-рівняння множинної регресії, яка дозволяє встановити, в якому напрямку і на яку величину зміниться результативний показник при зміні кожного фактора, що входить в модель.

. Кількісно оцінити тісноту зв'язку між результативною ознакою і факторами.


1. Теоретична частина


. 1 Лінійна регресія


. 1.1 Парна лінійна регресія

Регресійне рівняння, дозволене щодо досліджуваної змінної у при наявності однієї факторної змінної x, в загальному вигляді записується як:


(1.1)

рівняння регресія екзогенний гаус

і показує, яким буде в середньому значення змінної y, якщо змінна х набуде конкретне значення. Індекс р вказує на те, що ми отримуємо розрахункове значення змінної y. Термін в середньому ужитий тому, що при впливі неврахованих в моделі факторів і в наслідок похибок вимірювання фактичне значення змінної y може бути різним для одного значення x.

Якщо f (x) є лінійною функцією, то отримаємо загальний вигляд моделі парної лінійної регресії:


(1.2)


де a Ї постійна величина (або вільний член рівняння), Ї коефіцієнт регресії, що визначає нахил лінії, уздовж якої розсіяні спостереження.

Коефіцієнт регресії характеризує зміну змінної y при зміні значення x на одиницю. Якщо, то змінні позитивно коррелірованни, якщо Ї негативно коррелірованни. Фактичне значення досліджуваної змінної y тоді може бути представлено у вигляді:

, (1.3)


де е Ї різниця між фактичним значенням (результатом спостереження) і значенням, розрахованим по рівнянню моделі.

Якщо модель адекватно описує досліджуваний процес, то е Ї незалежна нормально розподілена випадкова величина з нульовим математичним очікуванням (Ме=0) і постійної дисперсією (Dе=у2). Наявність випадкової компоненти е відображає той факт, що присутні інші фактори, що впливають на досліджувану змінну і не враховані в моделі.

Побудова рівняння регресії зводиться до оцінки її параметрів. Для оцінки використовується метод найменших квадратів (МНК). МНК дозволяє отримати такі оцінки параметрів, при яких сума квадратів відхилень фактичних значень результативної ознаки у від оцінок мінімальна, тобто


min.


У результаті операції МНК виходять оцінки коефіцієнтів регресії:


b=Cov (X, Y) :, (1.4)=(1.5)

=уi: n; =Хi: n; Cov (X, Y) =; =.


Надійність оцінок a і b характеризується їх дисперсіями:

Перевірка якості рівняння регресії здійснюється по ряду позицій.

Оцінка статистичної значущості коефіцієнтів регресії.


(1.6)

, (1.7)

S2=еi2: (n - 2),.


Використовується критерій Стьюдента. Обчислюються і порівнюються з tкріт. Результатом порівняння є висновок про значущість коефіцієнтів a і b.

Інтервальні оцінки коефіцієнтів рівняння регресії.

Так як обсяг вибірки обмежений, то a і b Ї випадкові величини, тому бажано знайти довірчі інтервали для істинних значень 0,1. Для цього також використовується t Ї критерій Стьюдента.

Перевірка значущості рівняння регресії в цілому.

Дозволяє встановити, чи відповідає математична модель експериментальними даними і чи достатньо включених в рівняння пояснюють змінних для опису залежною змінною. Мірою загальної якості рівняння регресії є коефіцієнт детермінації R 2:


. (1.8)


Вираз (1.8) випливає з співвідношення:


, (1.9)

де Ї пояснена сума квадратів, вона характеризує розкид, обумовлений регресією;

Ї залишкова (не...


сторінка 1 з 6 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Рівняння лінійної регресії, коефіцієнт регресії
  • Реферат на тему: Перевірка гіпотез щодо коефіцієнтів лінійного рівняння регресії
  • Реферат на тему: Рівняння регресії. Коефіцієнт еластичності, кореляції, детермінації і F-кр ...
  • Реферат на тему: Коефіцієнт детермінації. Значимість рівняння регресії
  • Реферат на тему: Побудова рівняння множинної регресії