Академический Документы
Профессиональный Документы
Культура Документы
СОГЛАСОВАННО УТВЕРЖДАЮ
Зав.кафедрой ОНД, доцент, к.т.н. Зам. директора по учебной работе
_______________ Т.М.Левина _____________ Н.Г. Евдокимова
_______________ 2016 _____________ 2016
СОГЛАСОВАНО СОСТАВИЛ
Специалист по охране труда Ст.преподаватель кафедры ОНД
____________Г.В. Мангуткина __________Э.В. Мухаметзянов
____________2016 __________2016
Салават 2016
Методические указания предназначены для магистрантов направления
15.04.04 «Автоматизация технологических процессов и производств», программа
подготовки «Автоматизация технологических процессов и производств».
1 1 n ∑ ( ln x⋅ln y )−∑ ln x ∑ ln y
ln a0 = ∑ ln y− a1 ∑ ln x a1 = 2
n n , n ∑ ( ln x )2 −( ∑ ln y )
√
R= 1− i −1
n
∑ ( ^yi − y i ) 2
∑ ( y i − ȳ )2
i−1
R2 = R· R = 0,479·0,479 = 0,229,
= 1−
√ 1416 . 371
1838
=0 . 479
ε кв =
√ ∑ ( ^y i− y i )2
i −1
n
=
√ 1416 .371
22
=8 . 024
,
n
1 y − ^y 1
Ā= ∑ ⋅100 %= 3 . 596⋅100 %=16 . 3 %
n i=1 y 22
4) Проверка значимости уравнений регрессии.
Для линейной модели
2
R n−m−1 0 . 229 22−1−1
F фиш= 2
⋅ = ⋅ =5. 95
1−R m 1−0 .229 1
Fкрит,0,05 = FРАСПОБР(0,05;1;20)=4,35.
Fкрит,0,01 = FРАСПОБР(0,01;1;20)=8,10.
При α = 0,05 линейное уравнение значимо, при α = 0,01 – не значимо.
Для степенной модели
2
R n−m−1 0 . 218 22−1−1
F фиш= ⋅ = ⋅ =5. 57
1−R2 m 1−0 .218 1
Fкрит,0,05 и Fкрит,0,01 – те же самые.
При α = 0,05 степенное уравнение значимо, при α = 0,01 – не значимо.
5) Определение лучшего уравнения регрессии (по средней ошибке
аппроксимации).
Так как Ā лин =14 , 9 %> Ā степ =16 , 3 % , то линейная модель дает меньшую
погрешность.
6) Проверка значимости коэффициентов линейной регрессии.
2
Определим оценку остаточной дисперсии s ост
n
∑ ( ^yi − y i ) 2
1416 .37
s 2ост= i =1 = =70 . 8
( n−2 ) 22−2
Определим стандартные ошибки коэффициентов регрессии (sa), (sb), ис-
пользуя значение σx, полученное в лабораторной работе №1:
n
sb=
√ ∑ ( ^y i− y i )2 / ( n−2 ) √ s2
i=1
n
∑ ( x i− x̄ )2
i=1
=
ост
=
√ 70 . 8 =0 . 0416
σ x √ n 22∗9 . 199
,
n n n
√∑
√
2
∑ ( ^y i− y i ) ∑ x 2i x 2i
sa= i=1 i =1
=√ s2ост i =1
= √ 70 . 8 √ 356192 =24 . 81
n σxn 22∗9 . 199
( n−2 )
∑ ( x i − x̄ )2
i =1 .
Вычислим
a −20. 39 b 0 . 476
t a= = =−0. 82 t b= = =11. 44
sa 24 . 81 , sb 0 .0415 .
Значение t1-α,n-2 определим по таблице
Таблица 6
Значения критических уровней tα,k в зависимости от k степеней
свободы и заданного уровня значимости α для распределения
Стьюдента
α
0.1 0.05 0.025 0.02 0.01 0.005 0.001
k
1 6.31 12.71 25.45 31.S2 63.66 127.32 636.62
2 2.92 4.30 6.21 6.96 9.92 14.09 31.60
3 2.35 3.18 4.18 4.54 5.84 7.45 12.92
4 2.13 2.78 3.50 3.75 4.60 5.60 8.61
5 2.02 2.57 3.16 336 4.03 4.77 6.87
6 1.94 2.45 2.97 3.14 3.71 4.32 5.96
7 1.89 2.36 2.S4 3.00 3.50 4.03 5.41
S 1.86 2.31 2.75 2.90 336 3.83 5.04
9 1.83 2.26 2.69 2.82 335 3.69 4.78
20 1.81 2.23 2.63 2.76 3.17 3.58 4.59
21 1.80 2.20 2.59 2.72 3.11 3.50 4.44
12 1.78 2.18 2.56 2.6S 3.05 3.43 4.32
13 1.77 2.16 2.53 2.65 3.01 3.37 4.22
24 1.76 2.14 2.51 2.62 2.9S 3.33 4.14
15 1.75 2.13 2.49 2.60 2.95 3.29 4.07
26 1.75 2.12 2.47 2.5S 2.92 3.25 4.01
17 1.74 2.11 2.46 2.57 2.90 3.22 3.97
28 1.73 2.10 2.45 2.55 2.SS 3.20 3.92
19 1.73 2.09 2.43 2.54 2.86 3.17 3.88
20 1.72 2.09 2.42 2.53 2.85 3.15 3.85
21 1.72 2.08 2.41 2.52 2.83 3.14 3.82
22 1.72 2.07 2.41 2.51 2.82 3.12 3.79
23 1.71 2.07 2.40 2.50 2.81 3.10 3.77
24 1.71 2.06 2.39 2.49 2.80 3.09 3.75
25 1.71 2.06 2.38 2.49 2.79 3.08 3.73
26 1.71 2.06 2.38 2.4S 2.7S 3.07 3.71
27 1.70 2.05 2.37 2.47 2.77 3.06 3.69
28 1.70 2.05 2.37 2.47 2.76 3.05 3.67
29 1.70 2.05 2.36 2.46 2.76 3.04 3.66
30 1.70 2.04 236 2.46 2.75 3.03 3.65
35 1.69 2.03 234 2.44 2.72 3.00 3.59
40 1.6S 2.02 233 2.42 2.70 2.97 3.55
45 2.68 2.01 232 2.41 2.69 2.95 3.52
50 1.6S 2.01 231 2.40 2.6S 2.94 3.50
60 1.67 2.00 230 2.39 2.66 2.91 3.46
70 1.67 1.99 239 2.3S 2.65 2.90 3.44
80 1.66 1.99 238 2.37 2.64 2.89 3.42
200 1.66 1.98 238 236 2.63 2.87 3.39
∞ 1.64 1.96 234 2.33 2.5S 2.81 3.29
√
Интервальный прогноз
1+ + n
n
∑ ( x i− x̄ )
i=1
1 ( 149−126 , 9 )
=√ 70. 8⋅ 1+ +
√
22 1861 . 7
=9 .62 .
( ( y p - t1-α,n-2 * s y p ; y p+ t1-α,n-2 * s y p p ) =
= (50,53 – 2,09·9,62; 50,53 +2,09·9,62) = (30,4; 70,6)
8) Определение среднего коэффициента эластичности по уравнению
линейной регрессии
x̄ 126 . 91
Ȳ =b =0 . 476 =1 .51
ȳ 40 .
Результаты:
1) Уравнение линейной регрессии y = – 20,39 + 0,476· х.
2) Уравнение степенной регрессии y = 0,0862 * x1,263 .
3) Показатели качества и точности:
Для линейной модели
R = 0,479 ,
R2 = 0,229,
εкв =8,024,
A = 14,9%.
Для степенной модели
R = 0,467 ,
R2 = 0,218,
εкв =8,084,
A = 16,3%.
4) Линейное уравнение значимо при α = 0,05 и не значимо при α = 0,01.
Степенное уравнение значимо при α = 0,05 и не значимо при α = 0,01.
5) Линейная модель дает меньшую погрешность.
6) Коэффициент a незначим,
коэффициент b значим.
~
7) Доверительный интервал для точного значения параметра b
(0,389; 0,563).
8) Точечный прогноз уp = 50,53.
Интервальный прогноз (30,4; 70,6).
9) Средний коэффициент эластичности Ý = 1,51.
10) Графическое представление результатов моделирования (рис. 1).
Рис. 1. Графическое представление результатов моделирования.
Вопросы к защите
1. Что понимается под парной регрессией?
ной регрессии?
регрессии.