Содержание
- 2. Категории зависимости: 1) функциональные; 2) корреляционные. Функциональные связи характеризуются: полным соответствием между изменением факторного признака и
- 3. Задачи корреляционного анализа: выявлении взаимосвязи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов
- 4. Ковариация между двумя переменными Х и У рассчитывается следующим образом: где - фактические значения случайных переменных
- 5. Дисперсия (оценка дисперсии) характеризует степень разброса значений х1, х2, х3, …, хn (у1, у2, у3, …,
- 6. Среднеквадратическое отклонение или стандартное отклонение, или стандартная ошибка переменной Х (переменной Y) Оценка значимости коэффициента корреляции
- 7. Парная линейная регрессия Парная регрессия – это уравнение связи двух переменных и где независимая, объясняющая переменная
- 8. Пусть имеется набор значений двух переменных: Y= (у1, у2, у3, …, уn) - объясняемая переменная и
- 9. Таким образом, в уравнении (2) значение каждого наблюдения yi представлено как сумма двух частей — систематической
- 10. Свойства оценок МНК. Несмещенность оценки означает, что математическое ожидание остатков равно нулю. Оценки считаются эффективными, если
- 11. Такое решение может существовать только при выполнении условия что равносильно отличию от нуля определителя системы нормальных
- 12. = = = =
- 13. Оценка качества уравнения регрессии После построения уравнения регрессии мы можем разбить значение Y, в каждом наблюдении
- 14. Где - значения y, вычисленные по модели (4). Разделив правую и левую часть (4) на получим
- 15. Коэффициент детерминации Коэффициент детерминации показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, т. е.
- 16. для оценки качества регрессионных моделей целесообразно использовать среднюю ошибку аппроксимации:
- 17. Для проверки значимости модели регрессии используется F-критерий Фишера, вычисляемый как отношение дисперсии исходного ряда и несмещенной
- 18. В качестве меры точности применяют несмещенную оценку дисперсии остаточной компоненты, которая представляет собой отношение суммы квадратов
- 19. Прогнозирование с применением уравнения регрессии Прогнозируемое значение переменной y получается при подстановке в уравнение регрессии ожидаемой
- 20. Нелинейные модели и их линеаризация Задача построения нелинейной модели регрессии состоит в следующем: Задана нелинейная спецификация
- 22. Скачать презентацию