Найдем средние значения признаков Х и Y
,
,
Найдем выборочные дисперсии
Выборочное среднее квадратическое отклонение
,
,
Выборочный корреляционный момент
Выборочный коэффициент корреляции
,
Проверим значимость коэффициента корреляции, для этого проверим статистику
,
Найдем из таблицы распределения Стьюдента по наиболее употребляемому уровню значимости и Y – числу степеней свободы K= n – 2 = 50 – 2 = 48, 2,02
Так как = 9,51 > 2,02, то найденный коэффициент корреляции значительно отличается от нуля. Это означает, что переменные Х и Y связаны линейной регрессионной зависимостью вида
Таким образом, коэффициент корреляции показывает тесную линейную связь, существующую между признаками.
Составление эмпирических линейных уравнений регрессии Y на Х и Х на Y
Эмпирическое линейное уравнение регрессии У на Х
,
Эмпирическое линейное уравнение регрессии Х на Y
,
ПОСТРОЕНИЕ ЭМПИРИЧЕСКОЙ ЛИНИИ РЕГРЕССИИ Y НА X.
х | 6 | 16 | 26 | 36 | 46 |
41 | 43,53 | 22,5 | 19,17 | 10 |
|
|
Уравнение теоретической прямой линии регрессии Y на X имеет вид:
,
Приx=50,5, y=51,2 ,
,
Задача 2.
Дана зависимость между признаками , и . Необходимо:
1. вычислить множественный коэффициент корреляции и сделать выводы о форме и силе корреляционной зависимости;
2. с помощью F – критерия Фишера с вероятностью 0,95 оценить статистическую значимость эмпирических данных;
3. вычислить значение общего индекса детерминации;
4. двумя способами получить уравнение линейной модели множественной регрессии;
5. по величине средней ошибки аппроксимации оценить точность линейной модели;
6. подсчитать дельта – коэффициенты;
7. найти значения коэффициентов эластичности;
8. исключить из модели один из факторных признаков и перейти к модели с парной регрессией.
Варианты | ||||||||||
1 | 2 | 3 | 4 | 5 | ||||||
11,3 | 0,21 | 1 | 13 | 7,5 | 0,07 | 1,6 | 0,9 | 23 | 10 | 4,8 |
14,2 | 0,35 | 6 | 14 | 8,2 | 0,06 | 1,7 | 0,7 | 15 | 9 | 3,5 |
13,6 | 0,33 | 8 | 16 | 8,6 | 0,08 | 1,9 | 0,4 | 17 | 6 | 2,1 |
14,3 | 0,35 | 5 | 17 | 8,7 | 0,09 | 2,3 | 0,5 | 16 | 3 | 2,7 |
15,1 | 0,40 | 7 | 19 | 8,8 | 0,12 | 2,1 | 0,3 | 14 | 1 | 1,8 |
Решение
https://www.goodstudents.ru/statistika-zadachi/1308-regressiya.html
Y | Y^2 | X1^2 | X2^2 | YX1 | YX2 | X1X2 | |||
11,3 | 10 | 4,8 | 127,69 | 100 | 23,04 | 113 | 54,24 | 48 | |
14,2 | 9 | 3,5 | 201,64 | 81 | 12,25 | 127,8 | 49,7 | 31,5 | |
13,6 | 6 | 2,1 | 184,96 | 36 | 4,41 | 81,6 | 28,56 | 12,6 | |
14,3 | 3 | 2,7 | 204,49 | 9 | 7,29 | 42,9 | 38,61 | 8,1 | |
15,1 | 1 | 1,8 | 228,01 | 1 | 3,24 | 15,1 | 27,18 | 1,8 | |
Сумма | 68,5 | 29 | 14,9 | 946,79 | 227 | 50,23 | 380,4 | 198,29 | 102 |
ср зн | 13,7 | 5,8 | 2,98 | 189,358 | 45,4 | 10,046 | 76,08 | 39,658 | 20,4 |
Рассчитаем средние значения, дисперсии (по формуле разностей) и среднеквадратические отклонения каждого из признаков.
,
,
Теперь найдем средние значения произведений признаков
|
|
, ,
Вычисляем межфакторные и парные коэффициенты линейной корреляции
,
,
,
С вероятностью 0,95 оценим статистическую значимость каждого из имеющихся факторных признаков. Согласно таблице приложения критическое значение критерия Стьюдента для уровня значимости α = 1 - 0,95 = 0,05 и числа степеней свободы ν =5 – 2 = 3 равно .
Вычислим наблюдаемые значения:
X1: ,
X2:,
Множественный коэффициент корреляции равен:
,
Найденное значение указывает на высокую степень тесноты и линейности корреляционной зависимости.
С вероятностью 0,95 выдвинем гипотезу о статистической значимости эмпирических данных. Поскольку n = 5, k =2, то α =1 -0,95 = 0,05, v1 = 2, v2 = 5-2-1 = 2. Согласно таблице Fкр = 19.
Наблюдаемое значение равно:
Правило проверки гипотезы не выполнено. Поэтому с вероятностью 0,95 гипотеза о статистической значимости эмпирических данных не принимается.