    Сейчас на сайте: 1 посетителей (1 зарегистрированных, 0 гостей) |   426057681  574055213 |  Партнерам |  Авторам |  Покупателям |
Построение линейных моделей
| курсовые работы, Экономика Объем работы: 17 стр. Год сдачи: 2009 Стоимость: 200 руб. Просмотров: 712 | Не подходит работа? |
Оглавление
Введение
Заключение
Заказать работу
Введение 3
1. МНК – основной метод построения линейной модели 4
2. Пример построения линейной модели и оценка коэффициентов регрессии 6
3. Типовая задача на оценку коэффициентов регрессии 11
3.1 Анализ коэффициентов уравнения регрессии при известном s2 12
3.2 Оценивание s2 14
3.3 Анализ коэффициентов уравнения регрессии при неизвестном s2 15
Заключение 16
Список литературы: 17
1. МНК – основной метод построения линейной модели 4
2. Пример построения линейной модели и оценка коэффициентов регрессии 6
3. Типовая задача на оценку коэффициентов регрессии 11
3.1 Анализ коэффициентов уравнения регрессии при известном s2 12
3.2 Оценивание s2 14
3.3 Анализ коэффициентов уравнения регрессии при неизвестном s2 15
Заключение 16
Список литературы: 17
Регрессионный анализ занимается задачей установления математической формы корреляционной связи. Зависимая переменная у при этом рассматривается как случайная величина, а независимые переменные можно прямо или косвенно контролировать.
В отличие от функциональной связи в регрессионном анализе речь идет об установлении функции регрессии где символ M(/) обозначает математическое ожидание случайной величины у при заданных значениях независимых переменных.
Здесь важно заметить следующее.
В то время как независимые переменные контролируемы, управляемы, а у является случайной величиной, то по данным эксперимента, в котором приняли вполне конкретные значения, можно судить лишь об оценке параметра, связанного с распределением у, оценок же, как мы уже знаем, можно построить много.
Построение линейных моделей всегда было актуальным вопросом. Оценка точности построенной модели, а следовательно и качества этой модели является одной из важнейших задач регрессионного анализа.
Целью данной работы являются общие принципы построения линейных моделей, изучение и построение доверительных интервалов к коэффициентам регрессии.
Задачи данной работы являются:
1) Изучение принципа построения линейных моделей;
2) Расчет необходимых параметров полученной модели;
3) Построение доверительных интервалов для коэффициентов регрессии..
В отличие от функциональной связи в регрессионном анализе речь идет об установлении функции регрессии где символ M(/) обозначает математическое ожидание случайной величины у при заданных значениях независимых переменных.
Здесь важно заметить следующее.
В то время как независимые переменные контролируемы, управляемы, а у является случайной величиной, то по данным эксперимента, в котором приняли вполне конкретные значения, можно судить лишь об оценке параметра, связанного с распределением у, оценок же, как мы уже знаем, можно построить много.
Построение линейных моделей всегда было актуальным вопросом. Оценка точности построенной модели, а следовательно и качества этой модели является одной из важнейших задач регрессионного анализа.
Целью данной работы являются общие принципы построения линейных моделей, изучение и построение доверительных интервалов к коэффициентам регрессии.
Задачи данной работы являются:
1) Изучение принципа построения линейных моделей;
2) Расчет необходимых параметров полученной модели;
3) Построение доверительных интервалов для коэффициентов регрессии..
В данной работе были исследованы способы построения доверительных интервалов прогноза для линейного уравнения регрессии. Было рассмотрено два разных примера типовых задач на эту тему. Были выведены понятия и смысл линейного уравнения регрессии. Это понятие повсеместно встречается в нашей жизни, когда необходимо построить прогноз на то или иное событие. Также не менее важно знать степень достоверности прогноза, насколько ему можно доверять.
Были выведены формулы для расчета параметров уравнения линейной регрессии и формулы для оценки доверительных интервалов параметров уравнения.
Полученные знания, безусловно, помогут в дальнейшем изучении любых математических процессов.
Были выведены формулы для расчета параметров уравнения линейной регрессии и формулы для оценки доверительных интервалов параметров уравнения.
Полученные знания, безусловно, помогут в дальнейшем изучении любых математических процессов.
После офорления заказа Вам будут доступны содержание, введение, список литературы*
*- если автор дал согласие и выложил это описание.