Вариант 3
|
|
|
|
|
|
10,559 |
1,50 |
1,88 |
0,74 |
-0,07 |
-1,83 |
10,606 |
1,47 |
-0,59 |
-0,63 |
-0,62 |
0,52 |
11,610 |
0,39 |
1,11 |
-1,94 |
0,19 |
-1,76 |
11,652 |
-0,87 |
1,81 |
1,17 |
-0,98 |
0,10 |
11,902 |
-0,55 |
-0,96 |
-0,57 |
0,90 |
0,61 |
10,409 |
0,01 |
-1,84 |
-0,90 |
-1,07 |
0,48 |
10,959 |
-0,39 |
-0,42 |
-0,29 |
0,91 |
-0,36 |
10,575 |
-2,26 |
-0,25 |
-0,90 |
-0,12 |
1,25 |
10,512 |
-1,43 |
0,67 |
-0,47 |
0,30 |
1,40 |
11,588 |
-0,57 |
-0,65 |
1,68 |
-1,46 |
-0,12 |
10,964 |
0,07 |
1,35 |
0,49 |
0,80 |
-2,25 |
10,230 |
0,97 |
-0,78 |
2,27 |
-2,91 |
-0,78 |
11,636 |
0,28 |
-0,24 |
-0,40 |
-0,39 |
2,81 |
10,657 |
-1,13 |
0,73 |
-0,07 |
1,09 |
0,33 |
10,311 |
0,42 |
0,20 |
-0,75 |
-0,59 |
-1,47 |
10,888 |
0,14 |
1,35 |
0,60 |
-0,83 |
0,70 |
10,471 |
-0,34 |
0,05 |
-0,72 |
0,68 |
-1,09 |
10,989 |
0,98 |
0,48 |
-0,50 |
-0,08 |
0,84 |
10,996 |
-1,12 |
-0,41 |
-1,31 |
-0,77 |
0,22 |
11,219 |
1,79 |
0,64 |
-0,75 |
-0,61 |
-0,59 |
Решим данную задачу с применением пакета STATISTICA.
Образуем таблицу с 6 столбцами и 20 строками. Вводим в таблицу исходные данные.
П
редварительно
оценим визуально имеющиеся данные,
построив несколько диаграмм рассеяния.
Наблюдаем диаграмму рассеяния, параметры которой отражены в заголовке. Повторяем это еще 4 раза, заменяя x1 на другие факторы:x2, x3…x5.
В
ыполним
регрессионный анализ:
Statistics-Multiple Regression-Variables; Dependent var:y, Independent var:x1-x5-Ok-Input File-Raw Data-OK-в окне Model Definition(уточнения) Metod: Standart, Intercept: Include in model(постоянную составляющую включить в модель).
В окне Multiple Regression Results имеем основные результаты: коэффициент детерминации R2=0,378. Кнопка Regression summary- на экране таблица результатов (Рис.5.17)
Рис. 17
В
ее заголовке повторены результаты
предыдущего окна; в столбце В указаны
оценки неизвестных коэффициентов bj.
Таким образом, оценка неизвестной
функции регрессии
имеет вид:
В столбце St.Err. of B указаны стандартные ошибки sj оценок коэффициентов; видно, что стандартные ошибки в оценке всех коэффициентов, кроме b4, превышают значения самих коэффициентов, что говорит о статической ненадежности последних.
Значение коэффициента детерминации R2=0,091 достаточно мало. Следовательно, полученная эмпирическая функция довольно приближенно описывает зависимость y от x.
Практическое задание
Задача №1
Опытные данные представлены в таблице:
|
7.0 |
2.3 |
9.2 |
3.3 |
9.0 |
|
0.2 |
-2.7 |
1.7 |
-0.8 |
1.4 |
Построить эмпирическую формулу функциональной зависимости между x и y.