Введение 3

1. Регрессионное моделирование и задача выбора регрессионной модели 4

2. Числовой пример сопоставления двух видов регрессионных моделей 7

Заключение 16

Список литературы 17

Важнейшими задачами регрессионного анализа являются выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчётных значений зависимой переменной (функции регрессии).

Решение всех названных задач приводит к необходимости комплексного использования этих методов.

Корреляционный и регрессионный анализ, исследование связей в условиях массового наблюдения и действия случайных факторов осуществляется, как правило, с помощью экономико-статистических моделей. В широком смысле модель - это аналог, условный образ (изображение, описание, схема, чертёж и т.п.) какого-либо объекта, процесса или события, приближенно воссоздающий "оригинал". Модель представляет собой логическое или математическое описание компонентов и функций, отображающих существенные свойства моделируемого объекта или процесса, даёт возможность установить основные закономерности изменения оригинала. В модели оперируют показателями, исчисленными для качественно однородных массовых явлений (совокупностей). Выражение и модели в виде функциональных уравнений используют для расчёта средних значений моделируемого показателя по набору заданных величин и для выявления степени влияния на него отдельных факторов.

1 Артемьева Е.Ю. Сборник задач по теории вероятностей и математической статистике. - М.: МГУ, 1969.

2 Гмурман В.Е. Теория вероятностей и математическая статистика. - М.: Высшая школа, 2004.

3 Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. - М.: Высшая школа, 2001.

4 Лупандин В.И. Математические методы в экономике. - М.: Финансы и статистика, 2003.

5 Суходольский Г.В. Основы математической статистики для экономистов. - М.: МГУ, 2003.

Примечаний нет.