ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 26.04.2024
Просмотров: 9
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Признаки x и y | D(x) | D(y) | s(x) | s(y) |
Для y и x1 | 2,3681 | 15,0477 | 1,5388 | 3,8791 |
Для y и x2 | 0,9056 | 15,0477 | 0,9516 | 3,8791 |
Для x1 и x2 | 0,9056 | 2,3681 | 0,9516 | 1,5388 |
Найдем парные коэффициенты корреляции.
Матрица коэффициентов корреляции:
| y | x1 | x2 |
y | 1 | 0,8597 | 0,9196 |
x1 | 0,8597 | 1 | 0,5956 |
x2 | 0,9196 | 0,5956 | 1 |
Найдем
Отсюда
Критерий Фишера рассчитаем по формуле:
Табличное значение при степенях свободы k1 = 2 и k2 = n-m-1 = 6 - 2 - 1 = 3:
Поскольку фактическое значение F > , то коэффициент детерминации статистически значим и уравнение регрессии статистически надежно.
5. Выполнить селекцию факторов по критерию Стьюдента при таком же уровне значимости.
Для несмещенной оценки дисперсии проделаем следующие вычисления:
Y(x) | Y-Y(x) | | | |
-1,0965 | 0,0165 | 1,1736 | -0,0153 | |
0,8685 | 0,3515 | 1,4803 | 0,2881 | 0,1123 |
3,9158 | 0,2042 | 16,9469 | 0,0496 | 0,0217 |
5,2713 | -0,3513 | 24,1736 | 0,0714 | 0,3086 |
-2,8986 | -0,1814 | 9,5069 | -0,0589 | 0,0288 |
-6,0405 | -0,0395 | 37,0069 | -0,0065 | 0,0201 |
Сумма | 0,0000 | 90,2883 | 0,3284 | 0,4915 |
Оценка дисперсии равна:
Несмещенная оценка дисперсии равна:
Оценка среднеквадратичного отклонения:
Найдем оценку ковариационной матрицы вектора
k(x) = 0.1078* |
| |
= |
|
Дисперсии параметров модели определяются соотношением , т.е. это элементы, лежащие на главной диагонали:
Значимость коэффициентов регрессии:
Статистическая значимость коэффициента регрессии не подтверждается.
Статистическая значимость коэффициента регрессии подтверждается.
Статистическая значимость коэффициента регрессии подтверждается.
Коэффициенты уравнения регрессии значимы, факторы из модели не исключаются.
6. Повторно проверить адекватность уравнения регрессии после исключения незначимых факторов.
Не требуется, так как факторы из модели не исключались.