На головну

Послідовність виконання розрахунків в електронній

  1. II. ЗАВДАННЯ ДЛЯ ТИПОВИХ РОЗРАХУНКІВ
  2. J приємного ВИКОНАННЯ Д / З J
  3. VI. ЛОГІКА І ПОСЛІДОВНІСТЬ
  4. VI. ЛОГІКА І ПОСЛІДОВНІСТЬ
  5. Автообслуживающие підприємства призначені для виконання ТО, ТР, КР зберігання автомобілів і постачання їх експлуатаційними матеріалами.
  6. Алгоритми електронного цифрового підпису.
  7. Аналіз резервів і можливостей нормалізації ходу виконання окремих інвестиційних проектів

таблиці Excel MS Office [20]:

1) Ввести вихідні дані в таблицю Excel.

2) Знайти граничні значення.

3) Побудувати рівняння регресії:

- Виділити область 3 стовпці і 5 рядків (Число стовпців одно k + 1, де k - Число факторів);

- Викликати статистичну функцію ЛИНЕЙН (діапазон у; діапазон х; 1; 1) і ввести діапазони для у и х;

- Натиснути клавіші Shift + Ctrl + Enter ;

- Ознайомитися з результатами.

4) Перевірити значимість коефіцієнтів моделі:

- Обчислити розрахункове значення критерію Стьюдента для кожного фактора ;

- Визначити достовірність коефіцієнтів, викликавши функцію

q1=СТЬЮДРАСП (ti, N,2),число ступенів свободи n=n-d (де d - Число коефіцієнтів в рівнянні). тоді достовірність P{ai} =1-q1. якщо P{ai} Близька до 1, то коефіцієнт ai значущий.

5) Перевірити адекватність моделі вбудованими засобами Excel:

- Викликати функцію q2=FРАСП (Fрас, n1, n2), де n1= k (Число факторів х), n2= N-d;

- Обчислити вірогідність Pмод = 1- q2. якщо Pмод близька до 1, То модель адекватна.

6) Розрахувати коефіцієнти , , ,  для обох факторів.

Приклад 6.2. Побудуємо в Excel двухфакторную модель, використовуючи умови задачі 6.1. Нехай потрібно побудувати модель множинної лінійної регресії. Перевірити її адекватність.

1) Введемо вихідні дані (табл.6.2) в таблицю Excel.

Таблиця 6.2. Форма введення вихідних даних

  A B C D
 номер групи  Витратні харчування (у)  Доход на душу населення (x1)  Середній розмір сімей (х2)
 1,5
 2,1
 2,7
 3,2
 3,4
 3,6
 3,7
 4,0
 3,7

2) Знайдемо граничні значення

     граничні значення х1 х2
 хв.    1,5
 макс.    4,0

3) Побудуємо рівняння регресії:

- Виділити область 3 стовпці і 5 рядків (Число стовпців одно k + 1), Наприклад, осередки (В14: В18);

- Викликати статистичну функцію ЛИНЕЙН (діапазон у; діапазон х; 1; 1);

- Вказати діапазони ЛИНЕЙН (B2: B10; C2: D10; 1; 1);

- Натиснути клавіші Shift + Ctrl + Enter .

Отримані результати зведемо в табл. 6.3.

Таблиця 6.3. результати розрахунку

  А B C D
   рівняння регресії
  a2 a1 a0
 коефіцієнти  342,8631  0,072007  -186,8294
 СКО  29,33121  0,004451  76,976381
 Достоверн. / Sад  0,995145  50,71368  # Н / Д
 F / ст.свобод.  614,9316  # Н / Д
 15431,27  # Н / Д
           

Отримали модель виду

 = -186,82 + 0,007 x1 + 342,86 x2.

4) Перевіримо значущість коефіцієнтів моделі:

- В осередках (В20: D20) обчислити розрахункове значення критерію Стьюдента

де ai беруться з осередків В14: D14, а  - З В15: D15;

- Визначити достовірність коефіцієнтів, викликавши функцію qi=СТЬЮДРАСП (ti, N, 2)для кожного коефіцієнта (n = n-d береться з осередку С17).

тоді достовірність P{ai} =1-q1. якщо P{ai} Близька до 1, То коефіцієнт ai значущий. Результати перевірки значущості коефіцієнтів зведені в табл.6.4.

Таблиця 6.4. Перевірка значущості коефіцієнтів

  А B C D
 11,689  16,176  2,427
q1= СТЬЮДРАСП (ti, N,2)  2,363E-05  3,55E-06  0,0513646
P{ai} = 1 q1  0,999976  0,999996  0,94863

Так як ймовірність P{ai} для всіх ai близька до 1, То всі коефіцієнти рівняння значущі.

5) Перевіримо адекватність моделі:

- У комірку В23 викликати функцію q2=FРАСП (Fрас, n1, n2), Де Fрас - розрахунковий критерій Фішера (осередок В17 табл.5.3), n1= 2 (Число факторів х), n2= N-d = 6 (Осередок С17);

- В осередку В24 обчислити вірогідність Pмод = 1- q2 (Табл.6.5).

Таблиця 6.5. Перевірка адекватності моделі

А B
q2= FРАСП (Fрас,, n1, n2) =  1,14431E-07
Pмод= 1- q2=  0,99999

Так як ймовірність Pмод близька до 1, То модель адекватна.

Приклад 6.3. Побудувати в пакеті STATISTICA двухфакторную модель, використовуючи умови задачі 6.1.

1) Запустимо пакет STATISTICA і у вікні (див. Рис.3.7.) Виберемо модуль «Множинна регресія».

2) Введемо вихідні дані в файл, який містить три змінні: y - «РАСХ_ПІТ», x1 - "ДОХІД", х2 - «РАЗ_СЕМЬІ», мають 9 спостережень (рис. 6.1).

3) Виберемо команду «Продовжити аналіз», з'явиться вікно «Множинна регресія» (рис. 6.2). Задамося змінними: незалежними: x1 - "ДОХІД", х2 - «РАЗ_СЕМЬІ»; залежною: y - «РАСХ_ПІТ». Активізуємо мітки «Провести аналіз за замовчуванням (НЕ покроковий)» і «Показувати описові статистики, кор. матриці ».

 Рис.6.1. Введення вихідних даних
 Рис.6.2. Вікно множинноїрегресії

4) Натиснемо кнопку «ОК», з'явиться вікно «Перегляд описових статистик» (рис.6.3).

Рис.6.3. Вікно для перегляду результатів

5) Натиснемо кнопку «ОК», отримаємо вікно «Результати множинноїрегресії» (рис.6.4).

6) Виберемо кнопку «Підсумкова таблиця регресії», отримаємо модель регресії (рис.6.5). Модель має вигляд

.

критерій Фішера

при мінімальному рівні значущості р= 0,000 і ступенях свободи n1 = 2 и n2= 6, Що свідчить про адекватність моделі.

7) Виберемо кнопку «Дисперсійний аналіз», отримаємо дисперсії адекватності і помилки, критерій Фішера (рис.6.6).

 Рис.6.4. Вікно результатів множинної регресії
 Рис.6.5. Коефіцієнти рівняння лінійної регресії
 Рис.6.6. Перевірка адекватності моделі

8) Натиснемо кнопку «Далі», вийде вікно «Результати множинноїрегресії» (рис.6.1).

Закінчимо розрахунок за допомогою кнопки «Скасувати».



Попередня   1   2   3   4   5   6   7   8   9   10   11   12   13   14   15   16   Наступна

Застосування балансових моделей | Провести розрахунки для двох цехів з використанням пакета Excel. | Завдання для самостійної роботи | Побудова поліноміальної моделі. | Для побудови рівняння нелінійної регресії виду | Прогнозування на основі економетричних моделей | Завдання для самостійної роботи | Коротка характеристика задач управління запасами | Однопродуктовая статична модель | Однопродуктовая статична модель з «розривами» цін |

© um.co.ua - учбові матеріали та реферати