- •Министерство образования рф Санкт-Петербургская Лесотехническая академия им.С.М Кирова Отчет по лабораторным работам
- •Лабораторная работа № 1.
- •Лабораторная работа № 2.
- •Лабораторная работа № 3.
- •Корреляционный анализ.
- •Регрессионный анализ.
- •Лабораторная работа № 4.
- •Лабораторная работа № 5.
- •Лабораторная работа № 6.
- •Лабораторная работа № 7.
Регрессионный анализ.
Регрессионный анализ - раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости между величинами по статистическим данным. Цель Р. А. состоит в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии.
Виды регрессий:
y=f(x) – простая
y=ao+a1x+a2x2+a3x2+….+anxn – полиноменальная
y=ax+by+cξ+…. –множественная
Графическое отображение результатов регрессионного анализа.
Из полученной сводки видно, что полученная линейная зависимость (модель) достаточно коррелирует с экспериментальными данными.
Correlation coefficient = 0.721287
R-squared = 52,0031%
Альтернативный метод.
Регрессионный анализ поиноменальная регрессия:
y=ao+a1x+a2x2+a3x2+….+anxn
запуск анализа : Relate/Polynomial Regression.
R-squared - (коэф. детерменирования,в случае полиноменальных и множественных моделей пользоваться коэф. Корреляции нельзя)
Коэф. Детерменирования используется от 0 до 100% чем ближе к 100% тем точнее.
Меняем порядок модели:
Второй порядок:
Третий порядок:
Четвертый порядок:
( на практике ограничиваются третьим порядком)
Графическое отображение .
Вывод: при увеличении степени полинома точность функции увеличивается.
Регрессивный анализ:
Множественная регрессия.
Нахождение статической зависимости среднего значения зависимой, случайной величины Y от множества неизвестных величин х1,х2,х3…
запуск анализа : Relate/Multiple regression
Вывод: при удалении константы из модели точность модели увеличивается. Применение описанных выше процедур позволяет одновременно с упрощением получаемых математических моделей , повысить их достоверность.
Лабораторная работа № 4.
Дисперсионный анализ.
ДИСПЕРСИЯ - (от лат. dispersio - рассеяние) в математической статистике и теории вероятностей - мера рассеивания (отклонения от среднего).
Задачей Д.А. является выявление влияния выделенного (контролируемого) набора факторов на результативный признак. При этом факторы измеряются в неколичественной шкале, а результативный признак выражается числом или в виде вектора с числовым компонентом.
В основе дисперсионного анализа стоит разложение общей дисперсии результативного признака на 2-е части, обусловленные влиянием контролируемых факторов, и остаточную дисперсию, объясняемую неконтролируемыми или случайными обстоятельствами. Выводы о наличии влияния контролируемых факторов на результат производятся путем сравнения частей общей дисперсии при условии выполнения требования нормальности распределения результативного признака.
По способу организации исходных данных среди моделей дисперсионного анализа выделяют:
полные и не полные m-факторные планы
полные и не полные блочные планы
случайные блочные планы
Влияние расстояния вывозки и максимального уклона лесовозной автодороги на производительность лесовозного автопоезда.
Таблица 1
Исходные данные
Расстояние вывозки, км |
Производительность, куб.м/ч, лесовозного автопоезда (10х6) с полезной нагрузкой 15 куб.м на вывозке хлыстов при усовершенствованном типе покрытия магистрали и максимальном уклоне%0 |
||
0-40 |
41-60 |
61-90 |
|
10 |
8,8 |
8,5 |
8,1 |
15 |
7,4 |
7,1 |
6,7 |
20 |
6,6 |
6,2 |
5,8 |
25 |
5,8 |
5,4 |
5,0 |
30 |
5,1 |
4,7 |
4,4 |
35 |
4,7 |
4,3 |
4,0 |
40 |
4,3 |
3,9 |
3,6 |
45 |
4,0 |
3,6 |
3,3 |
50 |
3,7 |
3,4 |
3,1 |
В электронную таблицу вводим все значения как показано на рисунке
Distance Gradient Productivity
10 1 8,8
10 2 8,5
10 3 8,1
15 1 7,4
15 2 7,1
15 3 6,7
20 1 6,6
20 2 6,2
20 3 5,8
… … …
40 1 4,3
40 2 3,9
40 3 3,6
45 1 4
45 2 3,6
45 3 3,3
50 1 3,7
50 2 3,6
50 3 3,1
Запускаем анализ: Compare/Analysis of Variance/Multifactor ANOVA
В появившемся окне следует ввести зависимую переменную Productivity и факторы Distance и Gradient.
После запуска анализа нажатием Ok откроется первичная сводка.
Для вызова таблицы дисперсионного следует нажать на кнопку табличных функций, и поставить галочку на против ANOVA Table.
Результаты дисперсионного анализа
На основе табличных данных можно сделать вывод о том, что на производительность автопоезда влияют по отдельности оба фактора - и расстояние вывозки и уклон дороги. Степень доверия к такому заключению составляет 95%.
Это было рассмотрено отдельно влияние уклона и расстояния
Сейчас мы рассмотрим совместное влияние этих двух факторов:
Analysis Option – порядок взаимодействия факторов 2- ок
Таблица дисперсионного анализа с учетом взаимодействий второго порядка.
Для графиков оставляем только: Means Plot и Interactions plot
Графическое отображение результатов дисперсионного анализа.
Вывод: производительность зависит от всех факторов и от их комбинации.