КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Простая регрессия
В ходе простой регрессии можно получить следующие результаты: - выбрать из нескольких математических моделей ту, которая с большей точностью описывает экспериментальную зависимость (по максимуму коэффициента корреляции, по минимуму стандартной ошибки, по минимуму значимости и т.п.); - построить прогноз на будущее на основе выбранной модели с 95-процентным доверительным интервалом; - провести анализ регрессионных остатков. Процедура простой регрессии для экспериментальных зависимостей от одной переменной и временных рядов предоставляет возможность строить наиболее употребительные регрессионные модели. Так, например, для описания неограниченных и монотонно-возрастающих или монотонно-убывающих экспериментальных зависимостей могут быть использованы следующие модели: - линейная модель применима для зависимостей, у которых первая производная (скорость изменения Y, прирост Y) постоянна. - параболическая модель характеризуется тем, что ее первая производная изменяется по линейному закону. - логарифмическая зависимость применима для моделирования медленно изменяющихся процессов, поскольку ее первая производная убывает обратно пропорционально Х. - экспонента применима для зависимостей, у которых логарифмы Y изменяются по линейному закону. Скорость роста степенной функции при больших Х больше логарифмической и меньше экспоненциальной, а также может быть меньше или больше, в зависимости от своих параметров, скорости роста линейной функции. Для описания ограниченных монотонно-возрастающих и монотонно-убывающих экспериментальных зависимостей (зависимостей с насыщением, значения которых стремятся к некоторому пределу) могут быть применены следующие модели: - при предельном значении 0: степенная модель , экспонента , , гипербола ; - при произвольном предельном значении: модифицированные степенная функция , экспонента и гипербола ; - в случае двух пределов: логистическая модель , в которой значение параметра " а " определяет нижний предел, а значение параметра " b " - расстояние между нижним и верхним пределами. Для моделирования зависимостей с одним максимумом (минимумом) применимы парабола (неограниченная зависимость), экспоненциально-параболическая модель (колоколобразная симметричная зависимость с максимумом в Х=0 и пределом Y=0) и функция оптимума , (зависимость с резким экстремумом и последующим пологим приближением к пределу Y=0). Для представления зависимостей с несколькими экстремумами применимы полиномиальные модели , степень которых минус единица определяет число экстремумов. Для описания периодических зависимостей (зависимостей с незатухающими колебаниями) применима модель с синусоидой , в которой параметр " b " определяет долговременный прирост, параметр " c " - амплитуду колебаний, а параметр " e " - длину периода колебаний. Перед выбором модели для получения представления о характере зависимости Y от X целесообразно построить функциональный график исходных данных. Часто бывает целесообразно рассчитать несколько моделей и среди тех, для которых может быть принята гипотеза адекватности экспериментальным данным, произвести выбор по критерию минимума стандартной ошибки. Следует также учитывать, что ряд нелинейных моделей в процессе вычислений приводятся к линейной модели с предварительным преобразованием значений переменной–отклика Y, что влечет минимизацию не самих отклонений экспериментальных точек от регрессионной кривой, а взвешенных этим преобразованием отклонений. Если такой эффект нежелателен, можно воспользоваться моделью по вводимой формуле, вычисление которой не содержит предварительного преобразования.
Дата добавления: 2014-12-26; Просмотров: 973; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |