85989

Нелинейная регрессия

Лабораторная работа

Информатика, кибернетика и программирование

Записать уравнения прямых линий регрессии и построить их на корреляционном поле. Рассмотреть различные виды уравнений регрессии из набора предлагаемого пакетом MS Excel. Провести сравнение полученных уравнений регрессии и выбрать наиболее адекватное из них.

Русский

2015-04-01

599.5 KB

9 чел.

ЛАБОРАТОРНАЯ  РАБОТА  №  2

Нелинейная регрессия

Даны экспериментальные данные наблюдений для факторов X и Y.

ЗАДАНИЯ:

1. По исходным данным построить корреляционное поле.

2. Найти выборочные числовые характеристики.

3. Записать уравнения прямых линий регрессии и построить их на корреляционном поле.

4. Проверить статистическую значимость коэффициента детерминации при помощи F – статистики Фишера.

5. Рассмотреть различные виды уравнений регрессии из набора, предлагаемого пакетом MS Excel.

6. Провести сравнение полученных уравнений регрессии и выбрать наиболее адекватное из них.

                                            Как это сделать в   EXСEL      

  •  В папке “трафареты” найти файл  « Л.Р. № 2 трафарет.xls ».
  •  Скопировать его в свою папку « Группа ***» и переименовать, вставив вместо слова “трафарет” свою фамилию:

«Л.Р. № 2 Фамилия ».

  •  Открыть файл и приступить к выполнению лабораторной работы.


1. Корреляционное поле

                                            Как это сделать в   EXСEL

  •  Занести исходные данные (выборку) в отведенные для

этого ячейки (столбцы N, O). Столбцам дать имена.

  •  По исходным данным построить корреляционное поле.

(«Мастер диаграмм», «Точечная диаграмма»)

Корреляционное поле должно иметь вид:

2. Нахождение числовых характеристик выборки

                                            Как это сделать в   EXСEL

  •  Найти объем выборки n (ячейка O20).

(Мастер функций, категория Статистические, функция СЧЕТ).

Ячейке присвоить имя (например,  n  или  "объем").

  •  В столбцах B и C в предназначенных для этого ячейках вычислить числовые характеристики факторов N и O:

    – средние (СРЗНАЧ),

    – дисперсии (диспр),

    – стандартные отклонения ( ).

    Ячейкам присвоить соответствующие имена


  •  В указанных в шаблоне ячейках вычислить следующие точечные оценки выборочной совокупности:

    –   ковариацию  («Мастер функций», функция КОВАР),

    –   коэффициент корреляции    (функция КОРЕЛ)

     Ячейкам присвоить соответствующие имена.

3. Уравнения прямых регрессии

Процесс получение уравнения регрессии, нахождения коэффициента детерминации, построения линий регрессии можно автоматизировать, используя встроенные функции пакета MS Excel.

                                            Как это сделать в   EXСEL

  •  Вызвать пункт меню Диаграмма / Добавить линию тренда.
  •  Диаграмму «Корреляционное поле» скопировать через буфер обмена на отведенные в трафарете места (под заголовками «Линейная регрессия» и т.д.). Сделать всего 6 копий.
  •  Для каждого скопированного графика выполнить следующее:
  •  Активизировать поле диаграммы, щелкнув на нем мышью.
  •  Подвести курсор к любой из точек корреляционного поля, щелкнуть правой кнопкой мыши. Точки диаграммы активируются и появляется контекстное меню.
  •  В контекстном меню выбрать пункт «Добавить линию тренда»    ( Появится окно с названием  «Линия тренда» и на нем две вкладки: Тип и Параметры ).
  •  На вкладке «Тип» выбрать нужный тип линии регрессии (он записан в поле над диаграммой). (Для квадратичной и кубической регрессий выбрать пункт Полиномиальная и в поле Степень ввести наибольшую степень для независимой переменной).


  •   Отрыть вкладку «Параметры». Выставить флажок на пунктах  «Показывать уравнение на диаграмме»  и  «Поместить на диаграмме величину достоверности аппроксимации».
  •  Щелкнуть на ОК.
  •  Отредактировать Диаграмму: переместить поле с уравнением регрессии и коэффициентом детерминации на свободное место,

установить необходимый размер шрифта и удерживать в коэффициентах  4 - 5  знаков после запятой.

Диаграмма должна иметь вид:

4. Проверка статистической значимости коэффициента детерминации

Подсчитанный программой коэффициент детерминации не совсем верный. Он считается правильно только для линейной регрессии. В столбцах справа от диаграммы проведем правильные расчеты и проверим адекватность уравнения регрессии по Фишеру. Подсчитаем коэффициент детерминации по формуле

.


                                            Как это сделать в   EXСEL

  •  В столбце  AF9:AF18  вычислить по записанному на диаграмме уравнению регрессии теоретические значения фактора Y (они обозначены Y^).

(Выделять весь столбец, числовые значения коэффициентов вводить с клавиатуры, столбец X вызывать по имени).

Закончить ввод сочетанием Ctrl + Enter.

  •  В столбце  AG9:AG18 подсчитать разности  , используя формулу:      =AG9 – уср
  •  В ячейке AF24 запрограммировать формулу для нахождения коэффициента детерминации R2 (второй вариант).

( Для числителя использовать функцию СУММКВ ).

  •  В ячейку AG28 ввести m число коэффициентов, которые присутствуют в уравнении регрессии.
  •  В ячейке AG31 определить наблюдаемое значение критерия Фишера:

  •  Аналогично рассматриваются остальные варианты уравнений регрессии, предлагаемые в меню.

После обработки всех шести диаграмм занести полученные значения для коэффициента детерминации и для критерия Фишера в таблицу в конце работы.

Проанализировать результаты и выбрать ту линию регрессии, которая наиболее удачно описывает экспериментальные данные.

На отведенных полях в конце работы записать общий вывод, выбранное уравнение и соответствующий коэффициент детерминации.

СОХРАНИТЬ ФАЙЛ ЛАБОРАТОРНОЙ РАБОТЫ В ЛИЧНОЙ ПАПКЕ!


ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ И КОНТРОЛЯ ЗНАНИЙ

  1.   Каким образом по виду корреляционного поля формулируется гипотеза о характере связи между изучаемыми переменными в парной нелинейной регрессии? Укажите наиболее часто используемые математические модели нелинейных регрессий?
  2.  Укажите основные классы, на которые подразделяют нелинейную регрессию.
  3.  Каковы основные особенности квазилинейных регрессий? Приведите примеры наиболее часто используемых математических моделей квазилинейных регрессий.
  4.  Укажите особенности собственно нелинейных регрессий. Приведите примеры наиболее часто используемых математических моделей собственно нелинейных регрессий.
  5.  В чем суть метода линеаризации в нелинейном регрессионном анализе? Для какого класса нелинейных регрессий применяется метод линеаризации и почему?
  6.  Приведите пример линеаризации для любой квазилинейной регрессии. Какая задача решается в результате соответствующей замены переменных?
  7.  Укажите замену переменных для гиперболической и логарифмической регрессиях в методе линеаризации нелинейных регрессий. Каким образом оцениваются коэффициенты в этих уравнениях? Приведите примеры.
  8.  Почему МНК не применяется в собственно нелинейных регрессиях?
  9.  В каких пределах изменяется коэффициент детерминации в парной нелинейной регрессии?
  10.  В чем суть коэффициента детерминации для нелинейной регрессии?
  11.  Сформулируйте понятие доверительной вероятности. Каким образом влияет значение доверительной вероятности на критическое значение F – статистики Фишера?
  12.  По каким критериям выбирается наиболее удачное уравнение нелинейной регрессии из нескольких, составленных для одних и тех же данных наблюдений?
  13.  В чем суть F – статистики Фишера в нелинейном регрессионном анализе?
  14.  Каким образом определяется критическое значение F – статистики Фишера в нелинейном регрессионном анализе? Как геометрически можно интерпретировать значения указанной статистики?
  15.  Каким образом решается задача структуризации математической модели в собственных нелинейных парных регрессий?


ВАРИАНТЫ ИСХОДНЫХ ДАННЫХ ДЛЯ ЛАБОРАТОРНОЙ РАБОТЫ № 2

Номер варианта

1

2

3

4

5

6

7

8

9

10

X

Y

Y

Y

Y

Y

Y

Y

Y

Y

Y

1

2,2

17,2

16,0

2,2

7,8

6,0

3,4

5,7

13,0

11,2

2

2,5

14,1

12,7

5,4

7,4

5,2

6,0

3,5

32,0

14,5

3

2,8

10,7

10,0

8,7

8,7

5,4

10,8

5,0

59,2

17,6

4

4,6

10,4

8,4

10,5

8,5

4,2

11,0

10,0

74,2

23,7

5

5,5

8,0

7,3

11,4

11,4

4,0

13,0

8,4

69,7

26,5

6

7,4

7,4

7,8

12,7

13,9

3,6

13,0

10,5

80,0

31,2

7

8,6

5,5

8,6

13,7

15,1

3,1

14,8

20,8

76,0

40,8

8

11,1

5,2

11,1

15,0

15,0

3,3

18,0

38,0

66,2

42,6

9

14,3

3,1

14,3

15,6

15,6

3,5

22,8

40,6

78,0

46,5

10

18,2

3,8

18,2

15,8

15,8

3,7

29,8

49,4

81,2

46,5

Номер варианта

11

12

13

14

15

16

17

18

19

20

X

Y

Y

Y

Y

Y

Y

Y

Y

Y

Y

1

20,0

2,0

2,7

14,3

15,4

2,4

2,2

0,9

1,0

0,4

2

12,1

5,2

4,8

10,4

9,8

3,7

4,4

4,0

2,5

0,5

3

6,5

5,6

5,4

11,2

5,6

3,7

6,4

5,4

3,8

0,7

4

4,6

7,4

6,4

9,2

4,6

4,0

8,8

6,4

4,1

1,1

5

1,8

10,6

6,5

8,5

2,6

5,2

9,4

7,7

4,2

1,6

6

1,2

11,3

5,8

6,9

2,1

5,2

10,2

7,4

4,6

2,2

7

0,7

11,5

4,8

6,0

2,4

6,8

11,7

8,2

4,9

2,6

8

0,5

12,6

4,4

5,2

2,0

8,4

12,1

8,0

4,8

4,2

9

0,8

12,5

2,6

6,0

1,4

11,3

13,3

8,5

5,2

6,8

10

0,3

13,4

0,7

4,6

1,4

14,3

13,7

8,3

5,2

11,8

Номер варианта

21

22

23

24

25

26

27

28

29

30

X

Y

Y

Y

Y

Y

Y

Y

Y

Y

Y

1

4,7

0,4

13,3

2,3

3,5

11,4

19,5

1,1

12,3

14,4

2

7,8

0,5

12,0

7,6

8,0

12,5

14,5

3,9

12,0

12,5

3

13,6

0,7

9,3

13,1

8,8

11,5

9,7

3,1

11,9

9,8

4

15,4

1,1

8,5

14,4

13,2

11,9

9,4

5,5

10,6

7,6

5

17,2

1,6

7,7

15,1

12,9

11,3

10,6

3,7

8,6

5,2

6

17,6

2,2

7,0

15,3

15,7

9,4

11,4

7,5

7,0

4,9

7

16,2

2,6

5,1

16,2

19,0

10,0

16,2

6,6

6,3

4,2

8

17,0

4,2

2,8

16,3

21,4

10,1

20,2

9,1

6,3

3,0

9

15,6

6,8

2,7

16,9

22,3

8,0

22,3

8,2

4,8

4,1

10

13,4

11,8

2,2

16,6

21,8

7,4

26,7

11,8

4,5

2,2


 

А также другие работы, которые могут Вас заинтересовать

26372. ПРИНЦИПЫ ПАКЕТНОЙ ПЕРЕДАЧИ ДАННЫХ 227 KB
  Количество уровней их названия содержание и назначение могут отличаться в различных сетях но для всех сетей каждый уровень должен предоставлять определённый сервис для более высокого верхнего уровня скрывая реализацию своей задачи. № уровня Наименование Содержание 7 Уровень приложений Предоставление услуг на уровне конечного пользователя: почта теледоступ и прочее 6 Уровень представления данных Интерпретация и сжатие данных 5 Уровень сессии сеансовый Идентификация и проверка полномочий 4 Транспортный уровень Обеспечение корректной...
26373. Математические модели 74 KB
  Математические модели появились вместе с математикой много веков назад. Огромный толчок развитию математического моделирования придало появление ЭВМ. Применение вычислительных машин позволило проанализировать и применить на практике многие математические модели которые раньше не поддавались аналитическому исследованию.
26374. Ме́тод Мо́нте-Ка́рло 42.5 KB
  При проведении анализа по методу МонтеКарло компьютер использует процедуру генерации псевдослучайных чисел для имитации данных из изучаемой генеральной совокупности. В математической литературе часто используется термины последовательность случайных чисел или просто случайные числа . Если использовать точные термины то можно говорить только о случайной последовательности чисел или о случайном значении параметров. Однако в литературе широко используется термины случайные числа и последовательность случайных чисел и это означает что каждое...
26376. Вероятностные модели 47.5 KB
  Моделирование случайных процессов мощнейшее направление в современном математическом моделировании. При компьютерном математическом моделировании случайных процессов нельзя обойтись без наборов так называемых случайных чисел удовлетворяющих заданному закону распределения. Если он помог в чемто мы говорим повезло если оказался не в нашу пользу то сокрушаемся не судьба Многие ученые занимались изучением закономерностей случайных событий. Смоделируем ситуации которые в теории вероятности получили название случайных блужданий.
26377. Понятие модели, моделирования 94 KB
  Вначале понятие модель относилось только к материальным объектам как например манекен модель человеческой фигуры чучело модель животного модели автомобилей самолетов и т. Чертежи рисунки карты – это тоже модели но они соответствуют более высокой степени абстрагирования от оригинала поэтому их модельные свойства были осознаны намного позже. В настоящее время понятие модели расширилось оно включает и реальные и так называемые идеальные модели например математические модели.
26378. Виды моделирования 37 KB
  Например можно выделить следующие виды моделирования: Информационное моделирование Компьютерное моделирование Математическое моделирование Математикокартографическое моделирование Молекулярное моделирование Цифровое моделирование Логическое моделирование Педагогическое моделирование Психологическое моделирование Статистическое моделирование Структурное моделирование Физическое моделирование Экономикоматематическое моделирование Имитационное моделирование Эволюционное моделирование ИНФОРМАЦИОННОЕ В своей деятельности человек...
26379. Классификация моделей 73 KB
  Модель называется статической если среди параметров участвующих в ее описании нет временного параметра. Статическая модель в каждый момент времени дает лишь фотографию системы ее срез. Закон Ньютона F=am это статическая модель движущейся с ускорением a материальной точки массой m. Эта модель не учитывает изменение ускорения от одной точки к другой.
26380. Модели предметные (материальные) и модели информационные 33.5 KB
  Предметные модели воспроизводят геометрические физические и другие свойства объектов в материальной форме глобус анатомические муляжи модели кристаллических решеток макеты зданий и сооружений и др. Информационные модели представляют объекты и процессы в образной или знаковой форме. Образные модели рисунки фотографии и др.