y=a уравнение регрессии. Таблица 1 x y 1 1.35 2 1.09 3 6.46 4 3.15 5 5.80 A y 60.87 6.87 const n 6 7.20 7 8.07 8 8.12 9 8.97 10 10.66 10 Оценка значимости коэффициентов регрессии. Выдвигается и проверяется гипотеза о том что истинное значение коэффициента регрессии=0. Для проверки гипотезы используется критерий Стьюдента. * y a 0 6 .88 n 2 y i 1 y i y ti 2 n m 1 1.35 6.88 109 . 6 .88 6 .46 6 .88 3.15 6 .88 2 2 y 2 2 9 5 .8 6 .88 7 .2 6 .88 8 .07 6 .88 8 .12 6 .88 2 2 2 9 8.97 6.88 10.66 6.88 2 9 a b 2 11 O Ta O a 0 a 2 y 0 .1 11.23 1.12; ao 2 2 2 101.08 11.23 9 1.06 6 .88 6 .49 1.06 o k 9 ; q 0 .05 ; tg 2.262 6 ,49 tg к-т является значимым и нулевую гипотезу отвергаем. График 1 1 y a a x 0 1 - уравнение регрессии Таблица 2 x y 1 1.35 A 2 1.09 x x t 1 3 6.46 x t 4 3.15 5 5.80 6 7.20 7 8.07 8 8.12 9 8.97 10 10.66 y Запишем матрицу X 11 12 13 14 x 1111111111 12345678910 15 16 10 :55 55 :385 17 18 19 x T x x y T 110 1 10 :55 :1:0 55 :385 :0 :1 1:55 :0 .1:0 0 :82.5 : 5 .5 :1 68 .8 416 .49 Система нормальных уравнений. T x x A x T y 10a 55a 55a 385a O O 10 :55 :68 .8 55 :385 :416 .49 a a y 0 0 .37 1 1.12 1:5 .5 :6 .88 0 :82.5 :92.67 1 68 .8 416 .49 1 1:0 : 0 .37 0 :1:1.12 0 .37 1.12x 2 Оценка значимости коэффициентов регрессии. Для проверки нулевой гипотезы используется критерий Стьюдента.. T b a ;a g b ag g 2 * g 0 .47 ;0 .01 ig n ig y 2 yi i1 y*i 2 y 2 n m 1 * ;y i * y y y y y n a x a a i ;i g0 i i o 1.10 i * 0 .37 1.12* 1 0 .75 ; y6 0 .37 1.12* 6 6 .35 1 * * 0 .37 1.12* 2 1.87 ; y7 0 .37 1.12* 7 7 .47 2 * * 3 0 .37 1.12* 3 2.99 ; y8 0 .37 1.12* 8 8 .59 * * * * 0 .37 1.12* 4 4 .11; y9 0 .37 1.12* 9 9 .71 4 0 .37 1.12* 5 5 .23; y10 0 .37 1.12 10 10 .83 5 1.35 0 .75 1.09 1.87 6 .46 2.99 3.15 4 .11 2 y 2 2 2 5 .8 5 .33 7 .2 6 .35 8 .07 7 .47 8 .12 8 .59 2 2 2 2 2 8 .97 9 .71 10 .66 10 .83 16 ,13 2,02 2 2 8 1,42 a b y a b y н 2 11 0 2 22 1 Ta Ta Ta 0 1 1 a 0 a a 0 .47 2.02 0 .95 ; 2 0 .01 2.02 0 .0202; 0 .37 0 .38 0 .97 1.12 8 0 .14 a0 0 .97 a1 0 .14 0 0 a 2 1 8 tg 2.31; п ри k 8 ; g 0 .05 3 Коэффициент ai является значимости, т.к. не попал в интервал. Проверка адекватности модели по критерию Фишера. y a a x 0 i y y n Q 1 Q 2 i 1 y*i y i 2 * i 2 n i i 1 ; yi 6 .88 16 .13 075 . 16 .13 1.87 16 .13 2.99 16 .13 4 .11 16 .13 5 .23 16 .13 6 .35 16 .13 7 .47 16 .13 8 .59 16 .13 971 . 16 .13 10 .83 16 .13 1189 .62 Q 2 1 2 2 2 2 2 2 2 2 2 m 1 n m 1 8 q 0 .05 f 5 .32 Q 1189 .65 1189 .65 S m 1 Q 16.13 2.02 S n m 1 8 q 1 1 2 2 Критерий Фишера. S 1189 .62 588 .92 S 2.02 F f отсюда линия регрессии адекватна отраксает исходную F 1 2 q информацию, гипотеза о равенстве мат. Ожиданий отвергается. Проверка адекватности модели по коэффициенту детерминации или множественная корреляция. 4 n D 1 i 1 n y i y*i yi y i 1 D 0.9 0.95 2 2 1 16 .13 0.99 1189 .62 регрессионная модель адекватна Коэффициент множественной корреляции: R D 0.995 y a a x a x 0 1 2 2 Таблица 3 x y 1 1.35 2 1.09 3 6.46 4 3.15 5 5.80 6 7.2 7 8.07 8 8.12 9 8.97 10 10.66 Приведем квадратное уравнение к линейной форме: 2 x x ; x2 x y a a x a x 1 * 0 A 1 1 xT x 2 1 2 T x y Запишем матрицу X. 1:1:1 1:2:4 1:3:9 1:4 :16 x 1:5 :25 1:6 :36 1:7 :49 1:8 :64 1:9 :81 1:10 :100 Составим матрицу Фишера. 5 1:2:1 1:2:4 1:3:9 1:4 :19 1:1:1:1:1:1:1:1:1:1 T x x 1:2:3:4 :5 :6 :7 :8 :9 :10 1:4 :9 :16 :25 :36 :49 :72:81:100 10 :55 :385 1:5 :25 55 :385 :3025 1:6 :36 385 :3025 :25333 1:7 :49 1:8 :64 1:9 :72 1:10 :100 1.35 1.09 6 .46 3.15 1:1:1:1:1:1:1:1:1:1 x y T 1:2:3:4 :5 :6 :7 :8 :9 :10 1:4 :9 :16 :25 :36 :49 :64 :72:81:100 5 .8 68 .8 416 .49 7 .2 3278 .8 80 .7 8 .12 8 .97 10 .66 Система нормальных уравнений. 10 a 55 a 385 a 55 a 385 a 3025 a 385 a 3025 a 25333a 0 x x A x y T T 1 0 68 .8 2 2 0 416 .49 2 1 3278 .8 2 Решим ее методом Гаусса. 10 :55 :385 :68 .8 1:5 .5 :38 .5 :6 .88 0 :82.5 :907 .5 :38 .09 55 :385 :3025 :416 .49 385 :3025 :25333:3278 .8 0 :907 .5 :10510 .5 :630 1:0 : 22:4 .34 0 :1:11:0 .46 0 :0 :528 :211 1:0 :0 :13.13 0 :1:1:3.94 0 :0 :1:0 .4 Уравнение регрессии имеет вид: * y 13.13 3.94x 0.4x 1 2 Оценка значимости коэффициентов регрессии. Для проверки нулевой гипотезы используем критерий Стьюдента. T a g a a b y 2 * g ig 2 g 6 b b b 11 22 33 1.39 0 .24 0 .002 x ti x 1 10 :55 :385 :1:0 :0 55 :385 :3025 :0 :1:0 0 :1:11: 0 .07 :0 .01:0 y y i y*i i 1 i 0 :907 .5 :10510 .5 : 38 .5 :0 :1 0 :1:0 : 0 .53:0 .24 : 0 .02 0 :0 :1:0 .04 : 0 .02:0 .002 2 n m 1 n y a x * 1:0 :0 :1.39 : 0 .53:0 .04 0 :0 :528 :22: 11:1 2 0 :82.5 :907 .5 : 5 .5 :1:0 385 :3025 :25333:0 :0 :1 1:0 : 22:0 .47 : 0 .07 :0 n 1:5 .5 :38 .5 :0 .1:0 :0 i 1 i i * y a a i a i ; i 1,10 y 13.13 3.94 0 .4 17 .47 i 2 o 1 2 * 1 * y 13.13 3.94 2 0 .4 4 22.53 y 13.13 3.94 3 0 .4 9 28 .55 2 * 3 * y 13.13 3.94 4 0 .4 16 35 .29 y 13.13 3.94 5 0 .4 25 42.83 4 * 5 * y 13.13 3.94 6 0 .4 36 51.17 y 13.13 3.94 7 0 .4 49 60 .31 6 * 7 * y 13.13 3.94 8 0 .4 64 70 .25 y 13.13 3.94 9 0 .4 81 80 .99 8 * 9 * y 10 13 .13 3 .94 10 0 .4 100 92 .53 7 1.35 17 .47 109 . 22.53 6 .46 28 .55 3.19 35 .29 2 y 2 2 2 7 5.8 42.8 7 .2 51.17 8.07 60.31 8.1270.25 7 8.97 80.99 10.66 92.5 24.023 3.431 7 7 2 2 2 2 2 2 1.85 a 2.18 a 1.39 3.431 477 . a 0.24 3.43 0.82 a 0 .91 a 0.002 3.43 0.007 a 0 .08 q 0 .05 k 7 tg 2.236 13.13 6 .02 tg Ta 2.18 3.94 4 .33 tg Ta 0.91 0.4 5 tg Ta 0.08 Коэффициенты a ; a ; a значимые коэффициенты. y 2 0 0 2 1 1 2 2 0 1 3 0 1 2 Проверка адекватности модели по критерию Фишера. y a a x a x o n 1 1 y*i i y*i Q1 Q2 y i1 yi 2 2 2 2 ; y 6 .88 24 .02 8 2 17 .47 6 .88 22.53 6 .88 28 .55 6 .88 35 .29 6 .88 42.83 6 .88 51.17 6 .88 60 .31 6 .88 70 .25 6 .88 80 .99 6 .88 92.53 6 .88 5459 .63 Q 2 1 2 2 2 2 2 2 2 2 2 m 2 n m 17 q 0 .05 f 477 . 5459 .63 S 2729 .82 2 24 .02 S 7 3.43 S F S 795 .86 f гипотеза о равенстве математического g 1 2 1 q 2 ожидания отвергается. Проверка адекватности модели по коэффициенту детерминации или множественной корреляции. Коэффициент детерминации : D 1 y i y*i y y i D 0 .9 2 2 1 i 24 .02 5459 .63 0 .999 1 - регрессионная модель адекватна. Коэффициент множественной корреляции k 1 Таблица 4 x 1 2 3 y 0,75 1,87 2,99 4 5 6 7 8 9 10 4,11 5,23 6,35 7,47 8,59 9,71 10,83 9 График 2 12 10 8 Y 6 4 2 0 1 2 3 кв 4 5 6 7 8 9 10 X Таблица 5 x 1 2 3 4 5 6 7 8 9 10 y 16.57 20.81 25.85 31.69 38.3 45.8 54 63.05 72.9 83.53 2 3 5 6 7 9 10 График 3 90 80 70 60 Y 50 40 30 20 10 0 1 4 8 X 10 Использование регрессионной модели y a a x o 1 для прогнозирования изменения показателя x 11 y * y a x 0 .37 1.12 11 11.95 12 ix ii j ig Оценка точности прогноза. y a a 2 k ka x * 11 ka ka o y y y 2 2 o o x x T 1 a 1 1 y2 11 2.02 0 .07 0 .14 0 .95 0 .0202 20 .14 11 1.45 2.02 2.10 4 .12 2.03 * 11 2 пол пол Построим доверительный интервал для заданного уровня надежности. УСС n 1 10 1 9 g 0 .05 tg 2.262 * y лев * y п р ав * y 11 tg y* 12 2.262 2.03 7 .41 ПОЛ * y 11 tg y* 12 2 .262 2.03 16 .59 ПОЛ 11 С вероятностью 0,05 этот интервал покрывает истинное значение прогноза y 11 0 .35 График 4 16 14 12 10 8 Y 6 4 2 0 -2 -4 1 2 3 4 5 6 7 8 9 10 X x 12 y i 0 .37 1.12 12 13.07 * 2 12 Оценка точности периода. y y y 0 .95 0 .0202 2 0 .14 12 2.12 2 .02 4 .5 6 .25 2 .5 * i2 2 пал пал Построим доверительный интервал. * y лве * y пр 13.07 2.262 2.5 7 .42 13.07 2.262 2.5 1873 . График 5 120 100 80 60 Y 40 20 0 -20 1 2 3 4 5 6 7 8 9 10 X 13