- •Курсовая работа
- •Проверил
- •Курсовая работа
- •Аннотация
- •Оглавление Введение
- •1. Определение основных статистических оценок выборки
- •1.1 Отбраковка грубых ошибок
- •1.2 Отбраковка по критерию Шовене
- •1.3 Отбраковка по правилу «трех сигм»
- •1.4 Интервальная оценка параметров выборки
- •1.5 Необходимое и достаточное количество экспериментов
- •1.6 Проверка закона распределения
- •1.7 Группировка данных
- •Оценка значимости различия средних значений двух выборок
- •2.1 Оценка значимости различия средних значений двух выборок с использованием критерия Стьюдента
- •2.2 Оценка значимости различия средних значений двух выборок с использованием критерия Фишера
- •Парный регрессионный анализ
- •Исходные данные
- •Множественный регрессионный анализ
- •Исходные данные
- •4.1 Множественный корреляционный анализ.
- •4.2 Множественный нелинейный регрессионный анализ.
- •Полный факторный эксперимент и обработка его результатов
- •Исходные данные
- •Список использованной литературы
-
Множественный регрессионный анализ
Цель работы: провести множественный корреляционный анализ и множественный
нелинейный регрессионный анализ данных.
Исходные данные
Таблица 5
P, даН |
n, об/мин |
Проходка, м |
800 |
600 |
15 |
1400 |
600 |
19 |
800 |
1000 |
23 |
1400 |
1000 |
24 |
1100 |
800 |
20 |
676 |
800 |
16 |
1524 |
800 |
22 |
1100 |
517 |
21 |
1100 |
1083 |
22 |
1100 |
800 |
20 |
4.1 Множественный корреляционный анализ.
Корреляционные связи могут существовать как между двумя, так и между несколькими признаками. В последнем случае изучаемые явления описываются многофакторными моделями. Исследование корреляционных связей между многими величинами составляет предмет теории множественной корреляции, одной из важнейших задач которой является отбор факторов, наиболее существенно влияющих на результативный признак.
Расчеты обычно начинают с вычисления парных коэффициентов корреляции, определяющих тесноту связи между функцией отклика и одним из факторов х,
. (4.1)
Для изучения тесноты связи между функцией отклика у и несколькими факторами х1, х2, хj, ..., хр, используют коэффициент множественной корреляции R . Коэффициент множественной корреляции также служит для оценки качества предсказания; R всегда положителен и изменяется от 0 до 1.
Для вычисления коэффициента множественной корреляции используют формулу:
; (4.2)
- средняя дисперсия; (4.3)
- остаточная дисперсия. (4.4)
Значимость коэффициента множественной корреляции проверяют по критерию Стьюдента (t):
, (4.5)
где- табличное значение t;— среднеквадратическая погрешность коэффициента множественной корреляции:
. (4.6)
Значимость R можно проверить также и по критерию Фишера (F):
. (4.7)
Полученное значение сравнивают с табличным при выбранном уровне значимости и числах степеней свободы и ( для уровня значимости α=0,05). Если расчетное значение превышает табличное, то гипотезу о равенстве коэффициента множественной корреляции нулю отвергают и связь считают статистически значимой.
Величину R2 называют множественным коэффициентом детерминации; она показывает, какая часть дисперсии функции отклика объясняется вариацией линейной комбинации выбранных факторов.