Регрессионный анализ модели Лекция 02.. Y = A 1 X + A 0 1 2 E i = (Y i Эксп. – Y i Теор. ), i = 1, …, n; E i = Y i – A 0 – A 1 · X i, i = 1, …, n. E i. - презентация

1 регрессионный анализ модели Лекция 02.

2

3

4

5 Y = A 1 X + A E i = (Y i Эксп. – Y i Теор. ), i = 1, …, n; E i = Y i – A 0 – A 1 · X i, i = 1, …, n. E i 2 = (Y i – A 0 – A 1 · X i ) 2, i = 1, …, n.

6

7

8

9 Проверка E i = (Y i Эксп. – Y i. Теор ), i = 1, …, n 1 23

10 S = σ/sin(β) = σ/sin(90° – arctg(A 1 )) = σ/cos(arctg(A 1 )),

11 Пример iXiXi YiYi Гипотеза: Y = aX + b. E i = Y i – A 0 – A 1 · X i, i = 1, …, n. E i = Y i – b – aX i, i = 1, …, n

12 4 iXiXi YiYi Xi2Xi2 XiYiXiYi Сумма: Y = 0.78X

13 5 E i = Y i – b – aX i, i = 1, …, n iXiXi YiYi E i = Y i – 3.65 – 0.78X i Ei2Ei2 103– – – – – F = = = σ = sqrt(9.5080/8) = S = σ/cos(arctg(a)) = = 1.09/cos(arctg(0.78)) = = 1.38.

14 Y = 0.78X – 1.38 Y = 0.78X

15 iXiXi YiYi Y = 0.78X i – 1.38Y = 0.78X i Есть попадание? Да Да Да Да Нет Нет Да Да

16 Линейная множественная модель Y = A 0 + A 1 · X 1 + … + A m · X m. E i = (Y i Эксп. – Y i Теор. ), i = 1, …, n; E i = Y i – A 0 – A 1 · X 1i – … – A m · X mi, i = 1, …, n.

17