- •Лабораторная работа №5 Нелинейный корреляционно-регрессионный анализ. Метод наименьших квадратов. Вариант 1
- •Вариант 2
- •2. Постройте полиномиальную модель
- •Вариант 3
- •2. Постройте полиномиальную модель
- •Вариант 4
- •2. Постройте полиномиальную модель
- •Вариант 5
- •2. Постройте полиномиальную модель
- •Вариант 6
- •2. Постройте полиномиальную модель
- •Вариант 7
- •2. Постройте полиномиальную модель
- •Вариант 8
- •2. Постройте полиномиальную модель
- •Вариант 9
- •2. Постройте полиномиальную модель
- •Вариант 10
- •2. Постройте полиномиальную модель
- •Вариант 11
- •2. Постройте полиномиальную модель
- •Вариант 12
- •2. Постройте полиномиальную модель
- •Вариант 13
- •2. Постройте полиномиальную модель
- •Вариант 14
- •2. Постройте полиномиальную модель
- •Вариант 15
- •2. Постройте полиномиальную модель
- •Вариант 16
- •2. Постройте полиномиальную модель
- •Вариант 17
- •2. Постройте полиномиальную модель
- •Вариант 18
- •2. Постройте полиномиальную модель
- •Вариант 19
- •2. Постройте полиномиальную модель
- •Вариант 20
- •2. Постройте полиномиальную модель
- •Вариант 21
- •2. Постройте полиномиальную модель
- •Вариант 22
- •2. Постройте полиномиальную модель
- •Вариант 23
- •2. Постройте полиномиальную модель
- •Вариант 24
- •2. Постройте полиномиальную модель
- •Вариант 25
- •2. Постройте полиномиальную модель
2. Постройте полиномиальную модель
.
X |
Y |
|
X |
Y |
1 |
-0,21 |
|
6 |
-57,95 |
2 |
1,28 |
|
7 |
-106,59 |
3 |
-0,84 |
|
8 |
-176,59 |
4 |
–10,12 |
|
9 |
-255,59 |
5 |
-28,74 |
|
10 |
–395,84 |
3. Зависимость погрешности обработки детали турбин реактивных двигателей Y (мкм) от величины межэлектродного зазора X (мкм) при фиксации остальных параметров процесса электрохимической обработки деталей определяется таблицей:
X |
0,5 |
0,84 |
1,30 |
0,30 |
0,35 |
0,21 |
0,39 |
0,18 |
0,40 |
1,50 |
0,37 |
0,26 |
0,18 |
0,34 |
0,40 |
Y |
6,8 |
11,6 |
15,2 |
20,8 |
25,2 |
30,0 |
35,6 |
44,0 |
6,8 |
11,6 |
20,8 |
25,2 |
30,0 |
35,0 |
42,0 |
Из приведенных моделей измерений
, , , , .
для данных экспериментальных значений (X,Y) определить ту модель измерений, для которой сумма квадратов ошибок принимает наименьшее значение. Представить модели как линейные и определить МНК-оценки, а также численно определить оценки с точностью =0,001.
4. Приведенные данные представляют собой выборку, полученную при изучении роста кукурузы. Эти данные содержат: Y – средний по четырем растениям вес сухого зерна, X – среднее время с момента образования пестиков в початках по четырем растениям. Для модели наблюдений
оцените параметры 1,2 и 3, где
X |
8,750 |
14,875 |
22,500 |
37,625 |
41,750 |
51,325 |
63,875 |
Y |
10,60 |
15,13 |
38,74 |
120,19 |
126,32 |
171,75 |
156,67 |
Вариант 23
1. Получены следующие данные:
X |
0,2 |
0,4 |
0,6 |
0,8 |
1,0 |
1,2 |
1,4 |
1,6 |
1,8 |
2,0 |
Y |
-7,0 |
-5,3 |
-3,5 |
-2,3 |
-1,0 |
0,2 |
1,6 |
2,9 |
4,4 |
6,0 |
Имеет ли смысл модель ?
2. Постройте полиномиальную модель
.
X |
Y |
|
X |
Y |
1 |
-9,21 |
|
6 |
224,33 |
2 |
-6,20 |
|
7 |
394,24 |
3 |
9,43 |
|
8 |
634,18 |
4 |
49,94 |
|
9 |
899,34 |
5 |
120,31 |
|
10 |
1372,33 |
3. Зависимость погрешности обработки детали турбин реактивных двигателей Y (мкм) от величины межэлектродного зазора X (мкм) при фиксации остальных параметров процесса электрохимической обработки деталей определяется таблицей:
X |
0,55 |
0,51 |
0,26 |
0,64 |
0,28 |
0,21 |
0,23 |
0,38 |
1,35 |
0,52 |
0,22 |
0,28 |
0,22 |
0,31 |
0,70 |
Y |
6,8 |
11,6 |
15,2 |
20,8 |
25,2 |
30,0 |
35,6 |
44,0 |
6,8 |
11,6 |
15,2 |
20,8 |
25,2 |
30,0 |
35,6 |
Из приведенных моделей измерений
, , , , .
для данных экспериментальных значений (X,Y) определить ту модель измерений, для которой сумма квадратов ошибок принимает наименьшее значение. Представить модели как линейные и определить МНК-оценки, а также численно определить оценки с точностью =0,001.
4. Приведенные данные представляют собой выборку, полученную при изучении роста кукурузы. Эти данные содержат: Y – средний по четырем растениям вес сухого зерна, X – среднее время с момента образования пестиков в початках по четырем растениям. Для модели наблюдений
оцените параметры 1,2 и 3, где
X |
13,375 |
16,875 |
28,250 |
43,125 |
47,500 |
58,000 |
60,625 |
Y |
7,84 |
15,12 |
73,97 |
110,58 |
114,36 |
185,87 |
115,18 |