Файл: Задача 1 в базе данных магазина, торгующего подержанными автомобилями, содержится информация об их потребительский свойствах и ценах.doc
Добавлен: 18.10.2024
Просмотров: 16
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Вариант 1
Задача 1
В базе данных магазина, торгующего подержанными автомобилями, содержится информация об их потребительский свойствах и ценах.
Для анализа зависимости цены автомобиля Y от его возраста Х1 и мощности двигателя Х2 из базы данных выбраны сведения о 16 автомобилях. Эти сведения приведены в таблице1.
номер | цена | возраст | мощность |
1 | 8,3 | 6 | 88 |
2 | 17,9 | 3 | 160 |
3 | 11,2 | 5 | 105 |
4 | 17,2 | 4 | 165 |
5 | 9,4 | 5,5 | 88 |
6 | 15,9 | 4 | 145 |
7 | 6,8 | 7 | 95 |
8 | 10,8 | 6 | 124 |
9 | 15,6 | 5 | 165 |
10 | 13,8 | 3,5 | 112 |
11 | 15,3 | 3 | 120 |
12 | 14,4 | 4,5 | 145 |
13 | 15,6 | 3,5 | 140 |
14 | 10,6 | 7 | 145 |
15 | 11,2 | 5,5 | 120 |
16 | 13,4 | 4,5 | 132 |
-
Парные зависимости-
Построить поля рассеяния для цены Y и возраста автомобиля Х1, а также для цены Y и мощности двигателя Х2. На основе их визуального анализа выдвинуть гипотезы о виде статистической зависимости Y от Х1 и Y от Х2 и записать их математически.
-
Построим поля рассеяния:
Рис. 1. Поле рассеяния для цены Y и возраста автомобиля Х1
Рис. 2 Поле рассеяния для цены Y и мощности двигателя Х2
На основе визуального анализа построенных полей рассеяния можно выдвинуть гипотезу о линейной зависимости цены от возраста Х1 и мощности двигателя Х2.
Математически данные зависимости запишутся в виде:
y = α0+ α1x1 +
и y = β0+ β1x1 + , где и - случайные переменные.
1.2. Методом наименьших квадратов найти оценки линейных уравнений регрессии:
y = α0+ α1x1, y = β0+ β1x1.
Составим вспомогательную таблицу для
= α0+ α1x1: (таблица 2)
i | yi | xi1 | xi12 | yi xi1 | yi2 |
1 | 8,3 | 6 | 36 | 49,8 | 68,89 |
2 | 17,9 | 3 | 9 | 53,7 | 320,41 |
3 | 11,2 | 5 | 25 | 56 | 125,44 |
4 | 17,2 | 4 | 16 | 68,8 | 295,84 |
5 | 9,4 | 5,5 | 30,25 | 51,7 | 88,36 |
6 | 15,9 | 4 | 16 | 63,6 | 252,81 |
7 | 6,8 | 7 | 49 | 47,6 | 46,24 |
8 | 10,8 | 6 | 36 | 64,8 | 116,64 |
9 | 15,6 | 5 | 25 | 78 | 243,36 |
10 | 13,8 | 3,5 | 12,25 | 48,3 | 190,44 |
11 | 15,3 | 3 | 9 | 45,9 | 234,09 |
12 | 14,4 | 4,5 | 20,25 | 64,8 | 207,36 |
13 | 15,6 | 3,5 | 12,25 | 54,6 | 243,36 |
14 | 10,6 | 7 | 49 | 74,2 | 112,36 |
15 | 11,2 | 5,5 | 30,25 | 61,6 | 125,44 |
16 | 13,4 | 4,5 | 20,25 | 60,3 | 179,56 |
Σ | 207,4 | 77 | 395,5 | 943,7 | 2850,6 |
т.к. n=16, то = =12,9625
= = 4,8125
тогда
таким образом, получаем уравнение регрессии:
Составим таблицу для = β0+ β1x1: (таблица 3)
i | yi | xi2 | xi22 | yi xi2 | yi2 |
1 | 8,3 | 88 | 7744 | 730,4 | 68,89 |
2 | 17,9 | 160 | 25600 | 2864 | 320,41 |
3 | 11,2 | 105 | 11025 | 1176 | 125,44 |
4 | 17,2 | 165 | 27225 | 2838 | 295,84 |
5 | 9,4 | 88 | 7744 | 827,2 | 88,36 |
6 | 15,9 | 145 | 21025 | 2305,5 | 252,81 |
7 | 6,8 | 95 | 9025 | 646 | 46,24 |
8 | 10,8 | 124 | 15376 | 1339,2 | 116,64 |
9 | 15,6 | 165 | 27225 | 2574 | 243,36 |
10 | 13,8 | 112 | 12544 | 1545,6 | 190,44 |
11 | 15,3 | 120 | 14400 | 1836 | 234,09 |
12 | 14,4 | 145 | 21025 | 2088 | 207,36 |
13 | 15,6 | 140 | 19600 | 2184 | 243,36 |
14 | 10,6 | 145 | 21025 | 1537 | 112,36 |
15 | 11,2 | 120 | 14400 | 1344 | 125,44 |
16 | 13,4 | 132 | 17424 | 1768,8 | 179,56 |
сумма | 207,4 | 2049 | 272407 | 27603,7 | 2850,6 |
т.к. n=16, то = =12,9625
= = 128,0625
тогда
таким образом, получаем уравнение регрессии:
1.3. С помощью коэффициентов парной корреляции проанализировать тесноту линейной связи между ценой и возрастом автомобиля, а также между ценой и мощностью двигателя. Проверить их значимость с надежностью 0,9.
Найдем коэффициент парной корреляции для = α0+ α1x1:
проверим, существенно ли отличается найденный коэффициент корреляции от нуля. Найдем:
Сравним с квантилем распределения Стьюдента
Т.к. 6,18489 >1,761, то коэффициент корреляции существенно отличается от нуля и существует сильная линейная зависимость между y и
Найдем коэффициент парной корреляции для = β0+ β1x2:
проверим, существенно ли отличается найденный коэффициент корреляции от нуля. Найдем:
Сравним с квантилем распределения Стьюдента
Т.к. 5б34355 >1,761, то коэффициент корреляции существенно отличается от нуля и существует сильная линейная зависимость между y и