С(А)ФУ, Лесотехнический институт. исходные данные: x:1.2,2.1,3.14.7,5.7,6.5,7.5,9.0,9.7,10.8 y:33.3,47.9,71.5,107.9,131.0,155.4,177.9,211.2,227.7,247.5 Требуется: -найти уравнение линейной регрессии по данным таблицы -изобразить результаты расчета в виде графика -в пояснительной записке подробно описать задачу и метод её решения -определить основные показатели описательной статистики

Линейной регрессии

Содержание

Введение

1. Теоретическая часть

.1 Линейной регрессии

.1.1 Парной линейной регрессии

.1.2 линейная регрессия Множественная

.2 Теоремы Гаусса-Маркова

. Практическая часть

.1. Характеристика экзогенных и эндогенных переменных

.2 Построение двухфакторного уравнения регрессии

2.3 Построение однофакторных уравнений регрессии

.4 Прогноз значения результативного элемента

Вывод

Список используемых источников

Введение

В решении практических задач исследователи сталкиваются с тем, что корреляционные связи не ограничиваются только отношениями между двумя признаками: результативным y и факторным x.

В действительности, результативный признак зависит от нескольких факторных.

Задача многофакторного анализа:

.Обосновать взаимосвязь факторов, влияющих на исследуемый показатель.

2.для Определения степени влияния каждого фактора на результативный признак путем построения модели-уравнения множественной регрессии, которое позволяет определить, в каком направлении и на какую величину изменится результативный показатель при изменении каждого из факторов, входящих в модель.

.Количественно тесноту связи эффективно между признаком и факторами.

1. Теоретическая часть

.1 Линейной регрессии

.1.1 Парной линейной регрессии

Регрессионное уравнение, разрешенное относительно исследуемой переменной y, если существует факторной переменной x, в общем, как написано, что:

(1.1)

уравнение регрессии экзогенный гаусса

и посмотреть, как будет в среднем значение переменной y, если переменная х получит некоторое значение. Индекс р указывает на то, что мы получаем расчетное значение переменной y. Срок, в среднем, это потому, что, когда влияние неучтенных в модели факторов и, соответственно, ошибок измерения фактическое значение переменной y может быть различным для одного значения x.

в Случае, если f(x) является линейной функцией, то мы получим общий вид модели парной линейной регрессии:

(1.2)

в случае, если § постоянное (или свободный член уравнения), § коэффициент регрессии, который определяет наклон линии, вдоль которой рассеяны наблюдения.