иницю від свого середнього значення прибуток зміниться на 1,425.
. Оцінюється статистична значимість параметрів регресії. Для цього спочатку висуваємо гіпотезу про випадкову природу показників, тобто, припускаємо, що вони близькі до нуля. Для перевірки цієї гіпотези використовується статистика, яка має розподіл Стьюдента з числом ступенів свободи, де - обсяг вибірки. По додатку А вибирається t-критерій Ст'юдента для ймовірності р = 0,95 і. p> Для розрахунку помилок параметрів регресії виконуються додаткові розрахунки.
Стандартні помилки параметрів лінійної регресії:
В В В
Розрахункові значення t-критерію Ст'юдента:
В В В
Отримані значення більше табличних, тому гіпотеза про випадкову природу показників відкидається. Параметри моделі визнаються пов'язаними між собою і статистично значущими. p> Довірчі інтервали:
В В В В
5. Будується прогноз прибутку при прогнозному значенні виробленої валової продукції, що становить 105% від середнього значення.
В
З рівняння регресії
В
При обсязі валової продукції 34,676 величина прибутку складе 31,11.
6. Розраховуємо середню стандартну помилку прогнозу за формулою
В
Для цього складається допоміжна таблиця.
Помилка прогнозу
В
Довірчий інтервал прогнозу:
В В
Завдання 2
По чотирьох підприємствам регіону вивчається залежність виробітку продукції на одного працівника y (тис.руб.), від введення в дію нових основних фондів x 2 (%) та від питомої ваги робітників високої кваліфікації до робочих низької кваліфікації x 1 (%).
Таблиця 2. Вихідні дані
№ по порядкуx 1 x 2 y13210246113681447915
Потрібно написати рівняння множинної регресії. Розрахувати коефіцієнт лінійної множинної кореляції і провести статистичну оцінку параметрів рівняння регресії (використовувати F-критерій Фішера для ймовірності р = 0,95). p align="justify"> Рішення.
Число факторів моделі дорівнює двом: x 1 і x 2.
Припускаємо, що залежність описується рівнянням
В
Для знаходження параметрів регресії вирішується система рівнянь:
В
Розрахунки наводяться у допоміжної таблиці.
Табли...
