Главная страница Случайная страница
КАТЕГОРИИ:
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
Порядок выполнения работы. - понятия модели, моделирования, регрессионного анализа, случайной величины, корреляции;
|
|
1. Изучить:
- понятия модели, моделирования, регрессионного анализа, случайной величины, корреляции;
- виды регрессионных зависимостей;
- сущность метода наименьших квадратов;
- методы проверки адекватности структуры модели.
2. Рассчитать линейный коэффициент парной корреляции, оценить его статистическую значимость. Сопоставить в отчете коэффициенты, рассчитанные по формулам 2.12-2.15 и функциями Microsoft Excel. Рассчитать также для одного столбца дисперсию по формуле (2.16).
3. Построить линейное уравнение парной регрессии y на x и оценить статистическую значимость параметров регрессии. Сделать рисунок с помощью точечной диаграммы с выводом уравнения тренда и коэффициента R2.
4. Оценить качество уравнения регрессии при помощи коэффициента детерминации. Проверить качество уравнения регрессии при помощи
F-критерия Фишера.
5. Выполнить прогноз заработной платы y при прогнозном значении среднедушевого прожиточного минимума x, составляющем 107% от среднего уровня. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал для уровня значимости a=0, 05.
6. Оформить отчет о выполненной работе.
Варианты заданий
Определить зависимость y (x) (x – входной параметр; y – выходной параметр), используя индивидуальные задания, приведенные в прилагаемом файле Var_Lab2.xls. В таблице 2.2 приведены варианты входных и выходных параметров.
Таблица 2.2
Варианты заданий по построению парной регрессии
| Вариант | Входной параметр | Выходной параметр | Вариант | Входной параметр | Выходной параметр |
| Высота настыли | Пена | Уровень электролита | Сила тока | ||
| Напряжение АЭ | Пена | кр1 | Мехпрочность | ||
| Баланс пека | Пена | кр2 | Мехпрочность | ||
| Высота настыли | Куски | Пористость | Мехпрочность | ||
| Напряжение АЭ | Куски | Тшихты | Разрушаемость | ||
| Кт | Куски | Колокол-электролит | Разрушаемость | ||
| Баланс пека | Сила тока | Высота настыли | КО | ||
| Уровень металла | Сила тока | Сила тока | Частота АЭ |
Контрольные вопросы и задания
1. Что такое математическая модель и объект?
2. Сформулировать в чем заключается задача регрессионного анализа.
3. Какую величину называют случайной? Описать основные типы случайных величин.
4. Что такое закон распределения случайной величины?
5. Назвать виды регрессионных зависимостей.
6. Какая характеристика служит для оценки качества линейной модели? Какие она может принимать значения?
7. Описать сущность МНК.
8. Какая характеристика служит для оценки качества нелинейной модели? Какие она может принимать значения?
9. Что такое корреляция. Какие виды корреляции вы знаете?
10. Можно ли считать, что математическая модель и линия регрессии одно и тоже? Как строится линия регрессии?
11. Описать метод построения гистограммы.
12. В чем заключается содержательный анализ остатков модели?
13. В каких случаях используется корреляционный коэффициент, а в каких корреляционное отношение, как критерий адекватности модели?
14. Назвать этапы построения и исследования регрессионной модели.
15. Каковы методы проверки адекватности структуры модели?