justify"> y i 0.641.431.852.242.351.291.931.912.630.93 - відсоток водіїв молодше 21 року,
y - число пригод на 1000 водіїв.
Рівняння лінійної регресії має вигляд:
,
де.
Послідовно обчислюємо:
,
,
Аналогічно знаходимо
В
Вибірковий коефіцієнт регресії
В
Зв'язок між x, y сильна.
Рівняння лінійної регресії приймає вигляд:
В
На малюнку представлено поле розсіювання і графік лінійної регресії. Проводимо прогноз для x n = 20.
Отримуємо y n = 0.29 * 20-1.46 = 4.34.
Прогнозне значення вийшло більше всіх значень, представлений у вихідній таблиці. Це наслідок того, що кореляційна залежність пряма і коефіцієнт дорівнює 0,29 досить великий. На кожну одиницю приросту ? X він дає прирощення ? Y = 0.3
Завдання 4. Аналіз тимчасових рядів і прогнозування.
Спрогнозувати значення індексів на найближчий тиждень, використовуючи:
а) метод ковзної середньої, вибравши для її обчислення тритижневі дані;
б) експонентну зважену середню, вибравши як ? = 0,1.
Рішення:
З таблиці випадкових чисел знаходимо номери 41, 51, 69, 135, 124, 93, 91, 144, 10, 24.
Розташовуємо їх у порядку зростання: 10, 24, 41, 51, 69, 91, 93, 124, 135, 144.
Проводимо нову нумерацію від 1 до 10. Отримуємо вихідні дані для десяти тижнів:
i12345678910y i 13,1613,4213,0112,7712,7513,0712,7313,2913,313, 41
Обчислюємо дані для ковзної середньої по тритижневим проміжків. br/>
i23456789y i 13,3413,0712,8512,8612,8513,0713,1113,33
Експоненціальне згладжування при? = 0,1 дає тільки одне значення. br/>
i345678y i 13,0213,0012,8712,9213,0313,16
Для середини усього терміну отримуємо три прогнозу: 12,855; 1309; 12,895.
Спостерігається узгодження цих прогнозів.
Завдання 5. Індексний аналіз.
Компанія займається перевезенням вант...
