- •Министерство науки и образования Украины
- •Введение
- •Развить навыки защиты выполненной работы.
- •Исходные данные варианта 17
- •Содержание пояснительной записки:
- •Защита работы
- •Содержание и последовательность выполнения работы
- •Краткие сведения из теории и компьютерной технологии
- •1.1. Контроль исходной информации на наличие грубых ошибок и выбросов
- •1.2. Проверка соответствия исследуемых признаков нормальному закону распределения
- •1.4. Регрессионный анализ статистических данных
- •1.4.1. Парный линейный регрессионный анализ
- •1.4.2. Парный нелинейный регрессионный анализ
- •1.4.3. Многомерный линейный регрессионный анализ
- •1.4.4. Многомерный нелинейный регрессионный анализ
- •1.5. Критерии оценки качества модели регрессии
- •1.6. Прогнозирование на основе уравнения регрессии
- •1.7. Экономический смысл параметров модели регрессии
- •2. Пример выполнения задания
- •Контроль исходной информации на наличие грубых ошибок и выбросов
- •Проверка соответствия исследуемых признаков нормальному закону распределения
- •Корреляционный анализ данных наблюдений
- •Парный линейный регрессионный анализ
- •Выходная информация инструмента «Регрессия»
- •Анализ качества модели регрессии
- •Парный нелинейный регрессионный анализ
- •Многомерный линейный регрессионный анализ
- •Многомерный нелинейный регрессионный анализ
- •Прогнозирование на основе методов оптимизации
- •Целевая функция
- •Целевая функция
- •Постановка задач оптимизации для принятия решений внутри выборки
- •Список литературы
Содержание и последовательность выполнения работы
Ввести многомерную выборку своего задания в смежный диапазон ячеек рабочего листа электронной таблицы (ЭТ). Результативный признак разместить после последнего факторного признака.
Проверить исходную информацию на наличие грубых ошибок и выбросов. Необходимо обосновать каждую удаляемую строку многомерной выборки.
Для результативного признака построить гистограмму с помощью инструмента «Гистограмма» пакета анализа ЭТ и убедиться, что он подчиняется нормальному закону распределения.
Выполнить статистическую обработку многомерной выборки с помощью инструмента «Описательная статистика» пакета анализа ЭТ и проверить по значениям числовых характеристик подчинение всех признаков нормальному закону распределения.
С помощью инструмента «Корреляция» пакета анализа ЭТ получить корреляционную матрицу многомерной выборки. По корреляционной матрице выполнить анализ парной корреляции, т.е. установить по знакам коэффициентов парной корреляции наличие прямой или обратной связи. Кроме того, по абсолютной величине коэффициента парной корреляции оценить тесноту связи и выбрать наиболее значимый по тесноте связи с результативным признаком факторный признак.
Выполнить парный регрессионный анализ, включив в математическую модель регрессии результативный признак и выбранный в пункте 6 факторный признак. Параметры модели линейной и нелинейной регрессии получить с помощью инструмента «Регрессия» пакета анализа ЭТ. Оценить статистическую значимость уравнения линейной регрессии и его параметров по соответствующим критериям. Анализ качества нелинейной модели регрессии выполнить по критерию Фишера и коэффициенту парной корреляции. Определить точечный и интервальный прогноз на основе полученной модели регрессии, если ее можно использовать для прогнозирования. В ином случае проанализировать возможные причины несостоятельности модели регрессии.
Выполнить многомерный линейный регрессионный анализ с помощью инструмента «Регрессия» пакета анализа. В математическую модель регрессии включить независимые между собой факторные признаки. Оценить статистическую значимость уравнения регрессии и его параметров. Определить точечный и интервальный прогноз на основе полученной модели регрессии, если ее можно использовать для прогнозирования. В ином случае проанализировать возможные причины несостоятельности модели регрессии.
Выполнить многомерный нелинейный регрессионный анализ с помощью инструмента «Регрессия» пакета анализа. В математическую модель включить результативный признак и два независимых между собой наиболее значимых факторных признака. Оценить модель регрессии по критерию Фишера и коэффициенту парной корреляции. Определить точечный прогноз на основе полученной модели регрессии, если ее можно использовать для прогнозирования. В ином случае проанализировать возможные причины несостоятельности модели регрессии.
Выполнить прогноз на основе методов оптимизации – определить такие значения факторных признаков, которые обеспечивают заданное значение результативного признака