- •1. Понятие о математическом моделировании 3
- •2. Действия над приближенными числами 5
- •3. Применение методов статистического анализа 12
- •1. Понятие о математическом моделировании
- •2. Действия над приближенными числами
- •3. Применение методов статистического анализа
- •3.1. Теоретические основы методов
- •Установление наличия и формы связи
- •Оценка тесноты связи
- •Определение параметров уравнения регрессии
- •Проверка качества уравнения регрессии
- •Многофакторный эксперимент.
- •3.2. Примеры построения математических моделей
Оценка тесноты связи
Для оценки тесноты связи, т.е. степени влияния фактора Х на результативный признак Yобычно используют аналитические методы.
Тесноту связи можно определить и визуально по соотношению короткой и продольной осей эллипса рассеяния. Чем больше отношение продольной оси к поперечной, тем сильнее связь.
Более точно теснота связи характеризуется корреляционным моментом: mxy = M[(X - M(X))(Y - M(Y))], где M(X) и M(Y) – математические ожидания случайных величин X и Y.
На практике для оценки линейной связи используют коэффициент корреляции, для нелинейной связи – корреляционное отношение.
Коэффициент корреляции: Rxy= mxy /xy, где x и y – средние квадратические отклонения случайных величин X и Y.
Корреляционное отношение: , 0<<1.
или , -1<R<1.
- средние значения величин Х,Y, XY;
- исправленные средние квадратические отклонения признаков Х иY;
- средние средние квадратические отклонения признаков Х и Y;
,
- значение величины Y, вычисленное по уравнению регрессии.
Шкала Чеддока позволяет определить степень тесноты связи.
R, |
0 |
0 - 0,3 |
0,3 - 0,5 |
0,5 - 0,7 |
0,7 - 0,9 |
0,9 - 0,99 |
1 |
Cтепень тесноты |
отсутст-вует |
слабая |
заметная |
умеренная |
высокая |
Очень высокая |
функцио-нальная |
Коэффициент корреляции позволяет определить направление связи:
если R>0, то между X и Y имеет место прямая связь - увеличение X приводит к возрастанию Y;
если R<0, то между Х и Y имеет место обратная связь - увеличение X приводит к убыванию Y.
Для оценки силы влияния фактора Х часто используют коэффициент детерминации, равный квадрату коэффициента корреляции или корреляционного отношения.
Для оценки значимости коэффициента корреляции используют критерий
Стьюдента: ,
где tкр(,f) – табличное значение критерия, - уровень значимости (обычно полагают =0,1; 0,05; 0,01), f=n-1 – число степеней свободы (параметр критерия Стьюдента).
Если условие выполняется, то это говорит о наличии корреляционной связи между признаками X и Y во всей генеральной совокупности, из которой отобраны значения xi, yi, т.е. коэффициент корреляции и является значимым с вероятностью p=1-.
Определение параметров уравнения регрессии
Условным средним называется среднее тех значений случайной величины Y, которые соответствуют значениюx случайной величины Х. Например, если при x=2 величина Y приняла значения 3; 5; 10, то
.
Очевидно, что условное среднее является функцией от x:. Это уравнение называется уравнением регрессии Y на Х. График уравненияназывают линией регрессии.
Уравнение называетсяуравнением обратной регрессии.
Приведем примеры уравнений регрессии.
Уравнение прямолинейной регрессии: = a0 + a1х.
Уравнения криволинейных регрессий:
= a0 + a1х + a2x2, =.
Коэффициенты (параметры) уравнения регрессии обычно находят методом наименьших квадратов. Для этого сначала строят расчетную таблицу 2.
Таблица 2
i |
xi |
yi |
xiyi | ||
1 |
x1 |
y1 |
x1y1 | ||
2 |
x2 |
y2 |
x2y2 | ||
…. |
…. |
…. |
…. |
…. |
…. |
|
xi |
yi |
xiyi |
|
|
После этого составляют и решают систему нормальных уравнений. В случае линейной регрессии система имеет вид:
Следует отметить, что в ряде случаев от криволинейной регрессии можно перейти к линейной путем линеаризации. Для этого уравнение криволинейной регрессии логарифмируют.
Выполним линеаризацию уравнения: . Прологарифмируем уравнение:
. Полагая,получим линейное уравнение=a0 + a1х.
После нахождения a0 надо перейти к его истинному значению.
В случае параболической регрессии =a0+a1х+a2x2 система имеет вид:
Системы нормальных уравнений разработаны для всех основных форм корреляционной связи, их можно решать обычными методами, например, по формулам Крамера.