Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу 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 |
Умова для застосування поліноміальних рівнянь одно факторної регресії для вирівнювання ряду динаміки.Содержание книги
Поиск на нашем сайте
Як вибрати степінь поліменіарності. Вбудовані функції в програмі MathCAD для розрахунку коефіцієнтів однофакторної регресії. У Mathcad однофакторна регресія є одним поліномом, відрізками декількох поліномів, а також двовимірна регресія масиву даних. Однофакторна регресія означає наближення даних (xi,yi) поліномом до-й ступені A(x)=a+bx+cx2+dx3+...+hxдо (мал. 13.16). При k=i поліном є прямою лінією, при k=2 — параболою, при k=3 — кубічною параболою і так далі Як правило, на практиці застосовуються k<5. Для побудови регресії поліномом к-й ступеня необхідна наявність, принаймні (k+1) точок даних. У Mathcad регресія здійснюється комбінацією вбудованої функції regress і поліноміальній інтерполяції regress (х, у, до) — вектор коефіцієнтів для побудови поліноміальної регресії даних; interp(s,x,y, t) — результат поліноміальної регресії: s=regress(х,у,k); x — вектор дійсних даних аргументу, елементи якого розташовані в порядку зростання; у — вектор дійсних даних значень того ж розміру; до — ступінь полінома регресії (ціле позитивне число); t — значення аргументу полінома регресії; Для побудови регресії після функції regress ви зобов'язані використовувати функцію interp Окрім наближення масиву даних одним поліномом є можливість здійснити регресію зшиванням відрізань (точніше кажучи, ділянок, оскільки вони мають криволінійну форму) декількох поліномів. Для цього є вбудована функція loess застосування якої аналогічно функції regress loess (х, у, span) — вектор коефіцієнтів для побудови регресії даних відрізками поліномів; interp(s,x,y,t) — результат поліноміальної регресії: s=loess(х,у,span); х — вектор дійсних даних аргументу, елементи якого розташовані в порядку зростання; у — вектор дійсних даних значень того ж розміру; span — параметр, що визначає розмір відрізань поліномів (позитивне число, добрі результати дає значення порядку span=0.75). Параметр span задає ступінь згладженої даних. При великих значеннях span регресія практично не відрізняється від регресії одним поліномом (наприклад span=2 дає майже той же результат, що і наближення крапок параболою). Регресія одним поліномом ефективна, коли безліч крапок виглядає як поліном, а регресія відрізками поліномів виявляється корисній в протилежному випадку. Статичні критерії для перевірки достовірності однофакторної регресійної моделі. Умова за якою прогнозне значення однофакторної моделі рівняння регресії є достовірним. Статистичні показники визначаються як ряд динаміки, та виникають задачі розрахунку цього показника у абоз метою з метою подальшого прогнозування або в інших економічних розрахунках, що можливо зробити тільки з функціональною залежністю Y(t). Це є умовою задачі одно факторної регресії, суть якої полягає наближенні статистичних даних. Такою функцією y(t), щоб відхилення Е статистичного заданого деякого значення y(t) від розрахованого y(t) як функція було б найменше. В якості функціональних залежностей y(t) використовують: Лінійну залежність y(t)= ao+ a1t Поліміальну залежність y(t)= ao+ a1t+ a2t2 +…+ antn+… Якщо замість t використати різні функції наближень, то можна вважати складну функцію виду: y(t)= a1f1(t)+ a2f2(t)+…+ anfn(t)+…. В деяких випадках застосовують: Логарифмічну фун-ю y(t)= aln(t+b)+c Степеневу фун-ю y(t)=at0+c Експоненціальну фун-ю y(t)=aeb*t+c ao, a1, an, a, b, c – емпіричні коефіцієнти даних залежностей, отримані методом найменших квадратів. Формула емпіричної оцінки коефіцієнта факторної кореляції. Із курсу статистики відомо, що формула емпіричної оцінки коефіцієнта парної кореляції має вигляд , (3.2.1) де та - середні величини статистичних виборок обсягом n дискретно заданих значень та (i=1,2,…,n) фактора впливу х та досліджуваного показника у. Математичний запис багатофакторного множинного поняття регресії. y(X)=ao+a1x1i+ a2x2i+…+ ajxji+…+ aNxNi і – номер статистичного значення фактора xj (j=1, … N) i=1, …n ao, a1, … aN – коефіцієнти рівняння регресії, що розраховуються за методами найменших квадратів
|
||||
Последнее изменение этой страницы: 2016-04-23; просмотров: 301; 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 - 3.142.55.138 (0.005 с.) |