Задание 2.1
Параметры x и y для построения модели регрессии
| № варианта | Параметры x и y | ||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | 0.4 | ||||||||
| X | |||||||||
| Y | -2 | ||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | 9.1 | 2.1 | |||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | 5.5 | 7.9 | 8.4 | 9.1 | 13.8 | ||||
| X | |||||||||
| Y | -8 | ||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | 8.9 | 9.2 | 25.9 | ||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | |||||||||
| X | |||||||||
| Y | -100 | -50 | -2 |
Задание 2.2
| № варианта | Уровень значимости a | Доверительная вероятность для построения интервальных прогнозов |
| 0.1 | 0.90 | |
| 0.05 | 0.99 | |
| 0.01 | 0.8 | |
| 0.1 | 0.95 | |
| 0.1 | 0.90 | |
| 0.05 | 0.99 | |
| 0.01 | 0.8 | |
| 0.1 | 0.99 | |
| 0.05 | 0.8 | |
| 0.01 | 0.95 | |
| 0.1 | 0.90 | |
| 0.1 | 0.99 | |
| 0.05 | 0.8 | |
| 0.05 | 0.8 | |
| 0.01 | 0.95 |
[1] НОМЕРА ВАРИАНТОВ ВЫБИРАЮТСЯ СТУДЕНТАМИ В ЗАВИСИМОСТИ ОТ МЕСЯЦА ИХ РОЖДЕНИЯ! Январские - №1, …
[2] Следует также отметить, что в случае метода наименьших квадратов точного (функционального) соответствия между параметрами быть не может, т.к. приближенной является и сама модель регрессии (она не может быть абсолютно точной a priori), и данные по результативному признаку из-за погрешности проводимых измерений.
[3] Разумеется, в этом случае многие параметры являются случайными, и мы можем говорить лишь о построении корреляционных зависимостей.
[4] Как видно из формулы ниже, параметром A нельзя пользоваться, если хотя бы одно из значений yi=0.
return false">ссылка скрыта[5] Более общий случай предполагает наличие и других параметров модели, помимо времени t, т.е. строится так называемая множественная регрессия.
[6] Равенство означает, что параметры Y и t не связаны между собой, либо форма их связи не соответствует построенному уравнению регрессии.