- •Аннотация
- •Цель работы
- •Описание предметной области
- •Ход работы
- •Проверка на нормальность
- •Уравнение регрессии
- •Оценка статистической значимости выборочной регрессии
- •Определение доверительных областей, включающих в истинную регрессию с заданной вероятностью
- •Анализ регрессионных остатков
- •Анализ наличия грубых отклонений от регрессии
- •Построение толерантных границ для регрессии
- •Выводы
- •Приложения
Липецкий государственный технический университет ФПБОУВПО
Кафедра прикладной математики
Статистические методы Отчет по лабораторной работе №2
"Регрессионный анализ"
Студент |
|
Самордина Н.П. |
|||
|
|||||
|
подпись, дата |
|
Фамилия Имя Отчество |
||
Группа ПМ-12-1 |
|
|
|
|
|
Преподаватель |
|
|
|
|
|
|
|
|
Дятчина Д.В. |
||
|
|
|
|||
|
|
|
|
|
|
|
подпись, дата |
|
Фамилия Имя Отчество |
Липецк 2014 г.
Содержание
1 |
Аннотация . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
3 |
|
2 |
Цель работы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
5 |
|
3 |
Описание предметной области . . . . . . . . . . . . . . . . . . |
5 |
|
4 |
Ход работы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
6 |
|
|
4.1 |
Проверка на нормальность . . . . . . . . . . . . . . . . . . . |
6 |
|
4.2 |
Уравнение регрессии . . . . . . . . . . . . . . . . . . . . . . . |
10 |
|
4.3 |
Оценка статистической значимости выборочной регрессии . |
13 |
|
4.4 |
Определение доверительных областей, включающих в истин- |
|
|
|
ную регрессию с заданной вероятностью . . . . . . . . . . . |
15 |
|
4.5 |
Анализ регрессионных остатков . . . . . . . . . . . . . . . . |
16 |
4.6Анализ наличия грубых отклонений от регрессии . . . . . . 20
4.7Построение толерантных границ для регрессии . . . . . . . . 21
5 |
Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
24 |
Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . |
25 |
|
6 |
Приложения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
26 |
2
1Аннотация
Регрессионный анализ - важная часть математической статистики. На принципах регрессии построены многие методы, способные решить значимые проблемы в различных областях: в медицине, биологии, страховании и промышленности. Регрессионный анализ позволяет обработать данные и вывести предположения на их основе.
В привычном понимании прогнозирование - это предсказание будущего состояния объекта или явления на основе данных о прошлом и настоящем состояниях при условии наличия связи между прошлым и будущим. Основное требование, предъявляемое к любому прогнозу, заключается в том, чтобы в пределах возможного минимизировать погрешности в соответствующих оценках. По сравнению со случайными и интуитивными прогнозами, научно обоснованные прогнозы без сомнения являются более точными и эффективными. Как раз такими являются прогнозы, основанные на использовании методов статистического анализа.
Можно утверждать, что из всех способов прогнозирования именно они внушают наибольшее доверие, во-первых, потому что статистические данные служат надежной основой для принятия решений относительно будущего, во-вторых, такие прогнозы вырабатываются и подвергаются тщательной проверке с помощью фундаментальных методов математической статистики.
К примеру, в медицинской оценке данных применяется регрессионный метод Кокса. Регрессия Кокса, или модель пропорциональных рисков,графическое построение и математическое представление в виде коэффициентов регрессионного уравнения, отношения шансов риска наступления события как функции, зависящей от времени, и оценка влияния каждой из независимых переменных на этот риск.
Риск наступления события функция от времени измеряет прав-
3
доподобие наступления события в самом ближайшем будущем для тех, кто еще находится в группе риска. Основываясь на полученных результатах можно принимать предупреждающие меры для тех, для кого риск высок, снижать отдельные параметры, влияющие на риск.
Таким образом, регрессия - это зависимость среднего значения какойлибо величины от некоторой другой величины или от нескольких величин.
В данной работе рассматривается линейная регрессия. Производится анализ регрессионных остатков, оценивается наличие грубых отклонений от регрессии.
4
2Цель работы
Цели работы:
На реальных данных (массив данных независимая Х и зависимая Y
100 строк), несущих смысловую нагрузку, провести регрессионный анализ,
аименно:
1)Проверить выборку данных на нормальность
2)Вывести уравнение линейной регрессии y = + x, оценки коэффициентов получить с помощью методов: МНК, Метод Бартлетта-Кенуя.
3)оценка статистической значимости выборочной регрессии;
4)определение доверительных областей, включающих в истинную регрессию с заданной вероятностью.
5)Анализ регрессионных остатков;
6)Анализ наличия грубых отклонений от регрессии (выбросов);
7)построение толерантных границ для регрессии.
3Описание предметной области
Для составления уравнения линейной регрессии необходимы данные вида: независимый параметр, зависимый параметр. Значения, взятые из источника [1] , представляют собой статистику рождаемости за 2011 год. Пусть столбец X представляет собой модуль прироста населения, а столбец Y процент отношения модуля прироста населения от общего значения, тогда данные будут иметь вид, представленный в таблице 1, находящийся в пункте "Приложения". Очевидно, что столбец X заполнен независимыми данными, когда же Y - зависимыми.
5