Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Виды корреляции и регрессии.
Для установления тесноты зависимости между признаками в математической статистике разработаны специальные методы, позволяющие определить силу и форму связи. Это корреляционный и регрессионный анализы. Корреляционный анализ определяет направление и степень связи признаков. Регрессионный анализ устанавливает количественное изменение функции у при изменении х на единицу измерения. Корреляции подразделяют по направлению, форме и числу связей. По направлению корреляция может быть прямой или обратной, по форме прямолинейной и криволинейной, а по числу связей – простой и множественной. На основании корреляционного анализа устанавливают форму, направление и тесноту связи, то есть дается качественная оценка зависимости. Для количественной оценки связи между изучаемыми признаками проводится регрессионный анализ, на основании которого определяют уравнение регрессии. Уравнение регрессии в агрономии используют: - для прогнозирования значения урожайности в зависимости от метеоусловий, вредителей, болезней, сорняков и рекомендуемых агроприемов; - для прогнозирования распространения вредителей и болезней в зависимости от внешних условий; - для прогнозирования качества продуктов переработки и их хранения по качеству сырья и т.д. Коэффициент r изменяется в области -1< r < +1. При очень тесной связи, приближающейся к функциональной, r = +1 для положительных связей, и r = -1 для отрицательных. Чем ближе r к +1 или к -1, тем теснее прямолинейная корреляционная связь. Приближение r к 0 свидетельствует об ослаблении корреляционной связи. При r = 0 линейная связь отсутствует, но может существовать криволинейная зависимость. Связь двух зависимых величин более точно измеряется квадратом коэффициента корреляции (r2), который называется коэффициентом детерминации. Например, при r= 0,5; r2=0,25 или 25%, т.е. 25% изменчивости одного признака вызывает изменчивость другого. Считается, что при r<0,3 корреляционная зависимость слабая; r=0,3-0,7 – средняя; r>0,7 – сильная. Пример выполнения работы Пример 4. Задание 17
1.Вычисляют вспомогательные величины:
Вспомогательная таблица для вычисления
123,4: 10=12,34 16,69 - 12,882:10=0,099 1807,32 - 123,42:10=284,564 2. Определяют коэффициент корреляции, регрессии и уравнение регрессии:
r2 = 0,87 = -49,851Х+76,548 3. Вычисляют ошибки, критерий значимости и доверительный интервал: – критерий существенности коэффициента корреляции Число степеней свободы n-2 или 10-2=8 t05=2,31 > t05 – корреляционная связь существенна 0,93±2,31*0,128= 0,93±0,29 (-1,00÷0,64) =-49,851±15,89 (-65,874 ÷ -33,96) По t-критерию (tф>t05) и доверительным интервалам, которые не включают нулевого значения, корреляция и регрессия значимы и, следовательно, нулевая гипотеза на 5%-ом уровне отвергается.
4. По найденному уравнению регрессии определяют значения Y для экстремальных значений Х (Xmin и Xmax) и строят теоретическую линию регрессии Y по X.
YX=1,13=-49,851*1,13+76,548=16,12 YX=1,44=-49,851*1,44+76,548=14,56 Рисунок 1 – Связь между некапиллярной пористостью (Y, %) и плотностью (Х, г/см3) почвы
Вывод: Проведенный корреляционно-регрессионный анализ установил наличие отрицательной сильной связи между некапиллярной пористостью и плотностью почвы.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2020-11-28; просмотров: 130; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.147.89.24 (0.006 с.) |