    Сейчас на сайте: 1 посетителей (2 зарегистрированных, -1 гостей) |   426057681  574055213 |  Партнерам |  Авторам |  Покупателям |
Контрольная работа по математике
| контрольные работы, Математика Объем работы: 25 стр. Год сдачи: 2014 Стоимость: 300 руб. Просмотров: 399 | Не подходит работа? |
Оглавление
Введение
Заказать работу
Уравнение парной регрессии.
1. Параметры уравнения регрессии.
1.1. Коэффициент корреляции
1.2. Уравнение регрессии (оценка уравнения регрессии).
1.3. Коэффициент эластичности
1.4. Ошибка аппроксимации.
1.5. Эмпирическое корреляционное отношение.
1.6. Коэффициент детерминации
2. Оценка параметров уравнения регрессии.
2.1. Значимость коэффициента корреляции.
2.2. Интервальная оценка для коэффициента корреляции (доверительный интервал).
2.3. Анализ точности определения оценок коэффициентов регрессии.
2.4. Доверительные интервалы для зависимой переменной.
2.5. Проверка гипотез относительно коэффициентов линейного уравнения регрессии.
ЗАДАЧА 2
Уравнение регрессии имеет вид y = a2x2 + a1x + a0
Задача 3
Оценка уравнения регрессии.
Определим вектор оценок коэффициентов регрессии. Согласно методу наименьших квадратов, вектор s получается из выражения: s = (XTX)-1XTY
1. Параметры уравнения регрессии.
1.1. Коэффициент корреляции
1.2. Уравнение регрессии (оценка уравнения регрессии).
1.3. Коэффициент эластичности
1.4. Ошибка аппроксимации.
1.5. Эмпирическое корреляционное отношение.
1.6. Коэффициент детерминации
2. Оценка параметров уравнения регрессии.
2.1. Значимость коэффициента корреляции.
2.2. Интервальная оценка для коэффициента корреляции (доверительный интервал).
2.3. Анализ точности определения оценок коэффициентов регрессии.
2.4. Доверительные интервалы для зависимой переменной.
2.5. Проверка гипотез относительно коэффициентов линейного уравнения регрессии.
ЗАДАЧА 2
Уравнение регрессии имеет вид y = a2x2 + a1x + a0
Задача 3
Оценка уравнения регрессии.
Определим вектор оценок коэффициентов регрессии. Согласно методу наименьших квадратов, вектор s получается из выражения: s = (XTX)-1XTY
Уравнение парной регрессии.
На основании поля корреляции можно выдвинуть гипотезу (для генеральной совокупности) о том, что связь между всеми возможными значениями X и Y носит линейный характер.
Линейное уравнение регрессии имеет вид y = bx + a
Оценочное уравнение регрессии (построенное по выборочным данным) будет иметь вид y = bx + a + ε, где ei – наблюдаемые значения (оценки) ошибок εi, а и b соответственно оценки параметров α и β регрессионной модели, которые следует найти.
Здесь ε - случайная ошибка (отклонение, возмущение).
Для оценки параметров α и β - используем МНК (метод наименьших квадратов).
Метод наименьших квадратов дает наилучшие (состоятельные, эффективные и несмещенные) оценки параметров уравнения регрессии. Но предполагаем что , если выполняются определенные предпосылки относительно случайного члена (ε) и независимой переменной (x).
На основании поля корреляции можно выдвинуть гипотезу (для генеральной совокупности) о том, что связь между всеми возможными значениями X и Y носит линейный характер.
Линейное уравнение регрессии имеет вид y = bx + a
Оценочное уравнение регрессии (построенное по выборочным данным) будет иметь вид y = bx + a + ε, где ei – наблюдаемые значения (оценки) ошибок εi, а и b соответственно оценки параметров α и β регрессионной модели, которые следует найти.
Здесь ε - случайная ошибка (отклонение, возмущение).
Для оценки параметров α и β - используем МНК (метод наименьших квадратов).
Метод наименьших квадратов дает наилучшие (состоятельные, эффективные и несмещенные) оценки параметров уравнения регрессии. Но предполагаем что , если выполняются определенные предпосылки относительно случайного члена (ε) и независимой переменной (x).
После офорления заказа Вам будут доступны содержание, введение, список литературы*
*- если автор дал согласие и выложил это описание.