7. Представить графически фактические и модальные значения Y точки прогноза.

Для построения чертежа используем Мастер диаграмм (точечная) – покажем исходные данные (поле корреляции).

Затем с помощью опции Добавить линию тренда… построим линию модели:

тип → линейная; параметры → показывать уравнение на диаграмме.

Покажем на графике результаты прогнозирования. Для этого в опции Исходные данные добавим ряды:

Имя → прогноз; значения ; значения ;

Имя → нижняя граница; значения ; значения ;

Имя → верхняя граница; значения ; значения

8. Составить уравнения нелинейной регрессии: гиперболической; степенной; показательной.

8.1 Гиперболическая модель

Уравнение гиперболической функции:


= a + b/x.

Произведем линеаризацию модели путем замены X = 1/x. В результате получим линейное уравнение

= a + bX.

Рассчитаем параметры уравнения по данным таблицы 2.

b = =

а =  =38,4+704,48*0,03=60,25.

Получим следующее уравнение гиперболической модели:

 = 60,25-704,48/х.

8.2 Степенная модель

Уравнение степенной модели имеет вид: =аxb

Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:

lg = lg a + b lg x.

Обозначим через

Y=lg , X=lg x, A=lg a.

Тогда уравнение примет вид: Y = A + bX – линейное уравнение регрессии. Рассчитаем его параметры, используя данные таблицы 3.


b =  =

A =  = 1,57-0,64*1,53=0,59

Уравнение регрессии будет иметь вид: Y = 0,59+0,64* Х.

Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения.

= 100,59* х0,64.

Получим уравнение степенной модели регрессии:

= 3,87* х0,64.

8.3 Показательная модель

Уравнение показательной кривой: =abx.

Для построения этой модели необходимо произвести линеаризацию переменных. Для этого осуществим логарифмирование обеих частей уравнения:

lg  = lg a + x lg b.

Обозначим: Y = lg , B = lg b, A = lg a. Получим линейное уравнение регрессии: Y = A + B x. Рассчитаем его параметры, используя данные таблицы 4.

В = =

А = = 1,57-0,01*35,6=1,27

Уравнение будет иметь вид: Y = 1,27+0,01х.

Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения:

=101,27* ( 100,01)х = 18,55*1,02х.


Графики построенных моделей:

Рис.3. Гиперболическая

Рис.4. Степенная

Рис.5. Показательная


Информация о работе «Методы решения уравнений линейной регрессии»
Раздел: Экономико-математическое моделирование
Количество знаков с пробелами: 14759
Количество таблиц: 4
Количество изображений: 6

Похожие работы

Скачать
18722
16
4

... 106,09 14,97 1,97 3,88 1,53 2,34 сумма 133 219 3211 2161 264,90 392,1 24,43 106,37 0,26 78,80 ср. знач. 13,3 21,9 321,1 216,1 ; Уравнение линейной регрессии имеет вид: у=11,78+0,76х С увеличением объема капиталовложений на 1 млн. руб. объем выпускаемой продукции увеличится в среднем на 76 тыс. руб ...

Скачать
18598
21
7

Сумма 133 219 2161 3211 Ср. значение 13,3 21,9 216,1 321,1 Найдем b: Тогда Уравнение линейной регрессии имеет вид: ŷx=11,779+0,761x. Коэффициент регрессии показывает среднее изменение результата с изменением фактора на одну единицу. С увеличением объема капиталовложений на 1 млн. рублей объем выпускаемой продукции увеличится в ...

Скачать
19930
9
16

... и детерминации и F-критериев Фишера наибольшие. 3. Множественная регрессия Цель работы – овладеть методикой построения линейных моделей множественной регрессии, оценки их существенности и значимости, расчетом показателей множественной регрессии и корреляции. Постановка задачи. По данным изучаемых регионов (таблица 1) изучить зависимость общего коэффициента рождаемости () от уровня бедности ...

Скачать
29919
21
7

... если нужно проверить различается ли разброс данных (дисперсии) у двух выборов. Это может использоваться при сравнении точностей обработки деталей на двух станках, равномерности продаж товара в течении некоторого периода в двух городах и т.д. Для проверки статистической гипотезы, о равенстве дисперсий служит F – критерий Фишера. Основной характеристикой критерия является уровень значимости α, ...

0 комментариев


Наверх