Содержание
- 2. Представление исходных данных Yt1, Yt2, Yt3………………Ytn
- 3. Представление исходных данных У1 Х11 Х12 …………X1k У2 Х21 Х22 …………X2k … ………… ……… Уn Xn1
- 4. Представление исходных данных
- 5. Построение корреляционно-регрессионной модели У=в0+в1*х1+в2*х2 + … BkXk +ε
- 6. Оценка параметров модели Оценка параметра называется несмещенной, если ее математическое ожидание равно оцениваемому параметру Оценка параметра
- 7. Требования к исходным данным Объясняющие переменные х1, х2…..хк рассматриваются как неслучайные величины Величины х1, х2…..хк не
- 8. Требования к регрессионным остаткам Регрессионные остатки εi есть взаимонезависимые случайные величины с нулевым математическим ожиданием Регрессионные
- 9. Исходная информация В=(ХтХ)-1ХтУ У1 1 Х11 Х12 У2 1 Х21 Х22 … ………… Уn 1 Xn1
- 10. Используемые функции Хт транспонированная матрица. Копировать, специальная вставка, выбрать окошко «транспонировать», ввод МУМНОЖ МОБР Shift +
- 11. Оценка значимости уравнения в целом Fрасч =
- 12. Сравнение расчетного и табличного значения Fтабл =FРАСПОБР Вероятность = вероятности ошибки V1 = K+1 V2 =
- 13. Оценка значимости регрессоров Tbj = bj/sbj Ковариационная матрица по bj S*(XтХ)-1 S2 = Qост/(n-k-1) По диагонали
- 14. Определение значимости регрессоров tтабл = СТЬЮДРАСПОБР Вероятность ошибки V1=n-k-1 tрасч > tтабл по абсолютной величине, то
- 15. Множественный коэффициент детерминации
- 16. Точечный и интервальный прогноз Расчет прогнозных значений по лекциям
- 17. Расчет интервального прогноза для простейшей модели Yn+1∈Yn+1 ±tтS
- 19. Скачать презентацию