19.Этапы кра
1.Предварительный (априорный) анализ. Он дает неплохие результаты если проводится достаточно квалифицированным исследователем.
2.Сбор информации и ее первичная обработка. Здесь выявляются ошибки, информация проверяется на нормальность распределения, иногда проводят группировку для предварительного установления связей.
3.Построение модели (уравнения регрессии). Как правило эту процедуру выполняют на ПК используя стандартные программы.
4. Оценка тесноты связей признаков, оценка уравнения регрессии и анализ модели.
5.Прогнозирование развития анализируемой системы по уравнению регрессии.
На первом этапе формулируется задача исследования, определяется методика измерения показателей или сбора информации, исключаются дублирующие факторы или связанные в жестко-детерминированную систему.
На втором этапе анализируется объем единиц: совокупность должна быть достаточно большой по числу единиц и наблюдений(N>>50), число факторов "n" должно соответствовать количеству наблюдений "N". Данные должны быть количественно и качественно однородны.
На третьем этапе определяется внешний вид аналитической функции и находятся ее параметры.
На четвертом этапе оценивается достоверность всех характеристик корреляционной связи и уравнения регрессии.
На пятом этапе осуществляется прогноз показателей, включенных в модель. Здесь выбираются наилучшие и наихудшие значения факторов и результата. По модели возможно осуществить ранжир единиц совокупности, отражающий эффективность использования ими факторов, включенных в уравнение регрессии.
20.Виды парной крс
К самым простым корреляционным связям относят парные или однофакторные связи. Среди парных выделяют: линейные и криволинейные связи. Для их могут быть использованы следующие уравнения регрессии:
1.
Линейное уравнение регрессии:
2.
Степенная связь:
или
Это уравнение может быть приведено к линейному логарифмированием: log Y = log a + b log x
3.
Показательная связь:
Уравнение приводится к линейному виду:
log Y = log a +(log b) x
4.
Гипербола:
Это уравнение преобразуется в линейное подстановкой величины, обратной x, т.е.
тогда
.
5.
Парабола:
21.Парная линейная кра(модель)
Процесс построения регрессионной модели сводится к осреднению результата и факторов. После расчета уравнения регрессии и нахождения по нему теорет.значений результ. Показателя необх. Будет проверить выполнение рав-ва:
∑уi=∑yx(у с волной)
У
равнение
регрессии должно быть построено таким,
чтобы обеспечить минимум суммы квадратов
разности отклонений эмпирических
значений результата от теоретических,
т.е. полученных по модели
(y1 – y1)2 = min
Э
то
достигается при использовании метода
наименьших квадратов.
Для прямой линии Yx = a0 + а1х составим линейную систему нормальных уравнений (два уравнения с двумя неизвестными).
П
олучим:
n*a0 + a1*x = Y,
a0*x + a1*x2 = XY.
-главный определитель системы
23.Расчет параметров криволин. Уравнений
Расчет параметров уравнения.
Гипербола:
Степенная функция:
Парабола:
