- •2. Понятие и виды коррел. И регресс. Задачи коррел. И регресс. Ан-за
- •3. Парн. Лин. Регресс.(плр)
- •5.Коэф-т корреляции
- •6.Предпос. М-да наим. Квадратов. Т. Г-м
- •7.Анализ точности опред. Оценок коэф-ов регрессии.
- •1. Понятие экон-ки. Осн. Задачи экон-ки.
- •8) Проверка гипотез относит. Коэф-тов лин. Ур-я регрес
- •9. Интерв. Оценки коэф-ов лин. Ур-ния регрессии
- •13. Расчет коэф-в множ. Регр-ии.
- •24/Обратная модель.
- •14. Дисперсии и станд. Ошибки коэф-в.
- •19. Проверка равенства двух коэффициентов детерминации.
- •20. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •21. Статистика Дарбина-Уртсона
- •22.Логарифмические (лог-линейные) модели.
- •33. Метод лин.Комбинаций част.Критериев.
- •34. Метод ведущего критерия.
- •36. Метод равных и наим-их относит. Отклонени
- •37. Метод минимакса
- •38. Предмет и основные понятия теории игр
- •42. Решение матричных игр в смешанных стратегиях. Теорема о необходимом и достаточном условии смешанных стратегий
- •43.Теорема о преобразованиях эл-ов платежной матрицы
- •16. Пров стат значимости коэф ур-ния множ лин регрессии
- •44. Теорема о сведении плат-й матрицы к матрице с полож числами.
- •45. Сведение матричной игры к задаче линейного программирования
- •46. Игры с природой. Понятие риска сиатистика. Матрица рисков.
- •47. Критерии Байеса и Лапласа выбора наилучшей стратегии статистика
- •48. Критерии Вальда, Сэвиджа и Гурвица выбора наилучшей стратегии статистика.
- •49. Модели анализа основных финансовых операций.
- •50. Дисконтирование денежных потоков. Текущая стоимость проекта.
- •51. Чистая текущая стоимость инвестиционного проекта
- •52. Внутренняя норма прибыли проекта
- •Вопрос 53. Индекс прибыльности и период окупаемости проекта.
- •Вопрос 54. Влияние инфляции на денежные потоки проекта.
- •58. Осн. Понятия и опр. Спу
- •57.Анализ чувств-ти ден. Потоков проекта
- •17, 18. Проверка общ кач-ва ур множ рег-сии и статзначимостикоэф детерминации.
- •59. Правила построения сет. Графиков
- •60. Расч. Врем. Парам. Событ.
- •63. Оптимизация проекта по времени, если задан срок выполнения проекта
- •62. Линейный график комплекса работ (график Ганта). Диаграмма потребления ресурсов
- •61. Расч времен парам раб.
- •64. Оптимизац проекта по времени за счет вложен выделен сумм.Ср.
- •65. Оптимизация проекта по стоимости при нефиксированной величине критического пути.
- •66. Оптимизация проекта по стоимости при фиксированной величине критического пути
- •67. Оптимизация проекта по ресурсам
- •70. Основные соотношения, отражающие сущность моб.
- •71. Мат. Модель моб. Эк. Сущность коэф-тов прямых затрат (кпз).
- •72Испол.Моб в исслед.Взаимосв. Отрасл.Структур
- •73. Использование модели моб в прогноз.Цен
- •68.Принципиальная схема моб в снс.
- •69. Экономическое содержание квадрантов моб.
7.Анализ точности опред. Оценок коэф-ов регрессии.
Оценки коэффициентов регрессии иявляется тем надёжнее, чем < их дисперсии Д() и Д(), т.е. чем < их разброс вокруги.
Надёжность оценок тесно связана с дисперсией случайных отклонений. Фактически Д()=явл. дисперсией Д(У/) случайной переменной У.
Выведем формулы связей дисперсий оценок коэффициентов с дисперсией случайных отклонений.
Для этого преставим формулы для определения и в виде линейных функций относительно значений переменных У.
==, т.к.
Обозначим
через , тогда
, где
Т.к. предполагается, что дисперсия У постоянна и не зависит от Х, то иможно рассмотреть как некоторые пост., следовательно дисперсия
Д(= Д(==(1)
Д(= Д(=. (2)
Из формул 1 и 2 видно, что:
1.)дисперсия оценок прямо пропорциональна дисперсии случайного отклонения следовательно чем больше фактор случайности, тем менее точными будут оценки;
2.) чем больше число наблюдений n, тем более точными будут оценки;
3.) чем больше дисперсия объясняющей переменной, тем менее дисперсия оценок коэф-ов.
Но т.к. случайные отклонения по выборке определены быть не могут, то при анализе надёжности оценок, она заменяется оценками.
=, а их дисперсии заменяются несмещённой оценкой.
в этом случае выборочные исправленные дисперсии будут иметь вид:Д (Д (=
необъяснённая дисперсия, т.е. это доля разброса зависимой переменной, кот. не объясняется регрессией.
S=- стандартная ошибка регрессии
S= иS=- стандартные ошибки оценок коэффициентов регрессии.
1. Понятие экон-ки. Осн. Задачи экон-ки.
Экон-ка (измер. в эконом.)- наука, в кот. на основ. реальн. стат. дан. строятся, анализ. и соверш-ся мат. модели реальн. эк. явл. и проц-в.Объект исслед.-эк. явл. и проц.
Предмет-их коллич. хар-ки и показат.Экон-ка появ-сь на осн. эк. теории, мат. экономики, эк. и мат. стат-ки.
задачи:
1)постр. эконометрич. моделей-этап спецификац.
2)оценка параметров постр-ой модели-этап параметризации
3)проверка кач-ва найден. парам-в модели и самой модели-этап верификац.4)исп. постр-х моделей для объясн. поведения исслед-х эк. показат. для прогноз-ния, а также для провед. осмысл.эк. политики.
8) Проверка гипотез относит. Коэф-тов лин. Ур-я регрес
При стат. анализе возник. необх-ть сравнения эмпирич.значений коэф-тов с теоретич. ожидаемыми их значениями. Такой анализ осущ-ся по схеме статистич. проверки гипотез.Гипотеза , подлежащая проверке, наз-ся основой(нулевой). Гипотеза, которая будет приниматься, если отклонитсяназ-ся альтернативной (конкурирующей).
Для проверки гипотезы :=;:≠,строитсяt-статистика по формуле =(в0-β)/. При справедливости гипотезыона имеет распределение Стьюдента с числом степеней свободы ν=n-2, где n-объем выборки. По числу степеней свободы и заданному ур-ню значимости α по таблицам критич. точек нах-ся критич. значение Гипотезаотклоняется, если││≥(для коэф-тааналогично).
На начальном этапе статистич. анализа более важной задачей явл-ся установление линейн. связи между переменными X,Y.Эта задача решается аналогично: :=0;:≠0. =:; ││≥, то гипотезаотклоняется. Данную гипотезу называют гипотезой о статистич. значимости коэф-та регрессии. Еслиприним-ся,-статистически незначим.Чтобы определить статистич. значимость можно не пользоваться таблицами:
Если │t│1-то в этом случае коэф-т не может быть признан значимым. Доверительная вероят-ть составит меньше чем 0,7 Если 1˂│t│2- то найденная оценка может рассматриваться как слабозначимая. В этом случае доверит. вероят-ть нах-ся в пределах 0,7 и 0,95.Если 2˂│t│3- то в этом случае говорят о сильной линейной зависимостиX и Y.Доверительная вероят-ть от 0,95 до 0,99.Если │t│3-очень сильная линейная зависимость.