Зведена таблиця 6.
параметри рівняння регрессііa = 126,919 b = 16,958 a = 257,696 b = -165,301 a = 114,154 b = 66,303 a * = 4,791 a = 120,465 b = 0,359 a = 88,922 b = 36,963 c = -2,063 Тіснота зв'язку між у і хrxy = 0,776
Значимість параметрів рівняння регресії (+ для лінійної значимість коефіцієнта кореляції) tрасч (rxy) = 3,367 значущий tрасч (a) = 4,618 значущий tрасч (b) = 3,367 значущий tтеор = 2,306 tрасч (a) = 11,968 значущий tрасч (b) = -2,685 значущий tтеор = 2,306 tрасч (a) = 3,75 значущий tрасч (b) = 3,429 значущий tтеор = 2,306 tрасч (a) = 25,999 значущий tрасч (b) = 3,071 значущий tтеор = 2,306 tрасч (a) = 1,661 незначущий tрасч (b) = 1,505 незначущий tрасч (c) = -0,833 незначущий tтеор = 2,365 Середня відносна помилка апроксимації, у%
неприйнятна
неприйнятна
неприйнятна
неприйнятна
непріемлемаЗначеніе критерію автокореляції остатковd = 1,384 d1 = 0,879 d2 = 1,32 автокорреляция отсутствуетd = 2,376 d1 = 0,879 d2 = 1,32 автокорреляция отсутствуетd = 2,07 d1 = 0,879 d2 = 1,32 автокорреляция отсутствуетd = 1,816 d1 = 0,879 d2 = 1,32 автокорреляция отсутствуетd = 2,069 d1 = 0,697 d2 = 1,641 автокорреляция відсутня
При специфікації моделі в першу чергу виключаються моделі, в яких має місце автокорреляция залишків і параметри регресії незначущі. Автокорреляция залишків відсутня у всіх моделей. Параметри всіх побудованих регресій, крім параболічної, значущі. Таким чином, параболічна модель не може бути моделлю найкращим чином відбиває залежність між х і у - її з подальшого розгляду виключаємо. p> Потім необхідно з числа залишилися залежностей вибрати залежність, яка має найбільше значення кореляційного відношення або коефіцієнт кореляції. Серед наших моделей приблизно однакова тіснота зв'язку між х і у існує в лінійній (rxy = 0,776) і статечної () моделях. p> У подібній ситуації перевагу віддають тій моделі, помилка апроксимації якої менше. Але лінійна модель є свого роду винятком, тому що їй віддається перевага незалежно від величини помилки апроксимації. До того ж варто відзначити, що в побудованих лінійної і статечної моделях значення помилки апроксимації досить близькі (лінійна:; статечна:). Таким чином, незважаючи на те що статечна модель досить добре відображає залежність між х і у, перевагу віддаємо лінійної моделі. p> Отже, з усіх моделей найкращим чином відображає реально існуючу залежність між собівартістю 1 т лиття У (грн.) від браку лиття Х (т) за 10 ливарним цехам заводів - лінійна модель. Автокорреляция залишків у даній моделі відсутній, коефіцієнти значимі, зв'язок між х і у сильна, але модель неприйнятна для прогнозування. При цьому помилка апроксимації даної моделі досить близька до критичного значення - 10%, тому для того щоб усунути цей недолік і зробити модель прийнятною для прогнозування досить додати кілька спостережень. br/>
