Зміст
Введення
1. Основи побудови регресійних моделей
2. Побудова регресійних моделей
Висновок
Список використаної літератури
Введення
Обробка статистичних даних вже давно застосовується в найрізноманітніших видах людської діяльності. Взагалі кажучи, важко назвати ту сферу, в якій вона б не використовувалася. Але, мабуть, ні в одній галузі знань і практичної діяльності обробка статистичних даних не грає такої виключно великої ролі, як в економіці, що має справу з обробкою й аналізом величезних масивів інформації про соціально-економічні явища і процеси. Всебічний і глибокий аналіз цієї інформації, так званих статистичних даних, припускає використання різних спеціальних методів, важливе місце серед яких займає кореляційний та регресійний аналізи обробки статистичних даних. p align="justify"> В економічних дослідженнях часто вирішують завдання виявлення чинників, що визначають рівень і динаміку економічного процесу. Таке завдання найчастіше вирішується методами кореляційного і регресійного аналізу. Для достовірного відображення об'єктивно існуючих в економіці процесів необхідно виявити істотні взаємозв'язки і не тільки виявити, а й дати їм кількісну оцінку. Цей підхід вимагає розкриття причинних залежностей. Під причинного залежністю розуміється такий зв'язок між процесами, коли зміна одного з них є наслідком зміни іншого. p align="justify"> Основними завданнями кореляційного аналізу є оцінка сили зв'язку та перевірка статистичних гіпотез про наявність і силі кореляційної зв'язку. Не всі фактори, що впливають на економічні процеси, є випадковими величинами, тому при аналізі економічних явищ звичайно розглядаються зв'язку між випадковими і невипадковими величинами. Такі зв'язки називаються регресійний, а метод математичної статистики, їх вивчає, називається регресійним аналізом. br/>
1. Основи побудови регресійних моделей
Метод найменших квадратів - один з методів теорії помилок для оцінки невідомих величин за результатами вимірювань, що містить випадкові помилки.
Метод найменших квадратів застосовується також для наближеного представлення заданої функції іншими (простішими) функціями і часто виявляється корисним при обробці спостережень.
Коли шукана величина може бути виміряна безпосередньо, як, наприклад, довжина прямої або кут, то, для збільшення точності, вимірювання проводиться багато разів, і за остаточний результат беруть арифметичне середнє з усіх окремих вимірювань. Це правило арифметичної середини грунтується на міркуваннях теорії ймовірності; легко показати, що сума квадратів ухилень окремих вимірювань від арифметичної середини буде менше, ніж сума квадратів ухилень окремих вимірювань від якої б то не було іншої величини. Саме правило арифме...
