І. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ.
1.1. Метод наименьших квадратов
Линейная регрессия (теоретическое линейное уравнение регрессии) представляет собой линейную функцию между условным математическим ожиданием зависимой переменной Y и одной объясняющей переменной X ( - значения независимой переменной в i-ом наблюдении, ).
. (1.1)
Для отражения того факта, что каждое индивидуальное значение отклоняется от соответствующего условного математического ожидания, необходимо ввести в последнее соотношение случайное слагаемое .
(1.1)
Это соотношение называется теоретической линейной регрессионной моделью, и - теоретическими параметрами (теоретическими коэффициентами) регрессии, - случайным отклонением.
Следовательно, индивидуальные значения представляются в виде суммы двух компонент - систематической и случайной , причина появления которой достаточно подробно рассмотрена ранее. В общем виде теоретическую линейную регрессионную модель будем представлять в виде:
. (1.2)
Для определения значений теоретических коэффициентов регрессии необходимо знать и использовать все значения переменных X и Y генеральной совокупности, что практически невозможно.
Таким образом, задачи линейного регрессионного анализа состоят в том, чтобы по имеющимся статистическим данным для переменных X и Y:
а) получить наилучшие оценки неизвестных параметров и ;
б) проверить статист
ЛИСТИНГ ПРОГРАММЫ.
DECLARE SUB ZS ()
DECLARE SUB dixotomiya ()
DECLARE FUNCTION f! (x!)
DECLARE SUB MNK (x!(), y!(), n!)
DECLARE SUB ur2 (x!(), y!(), n!)
CLS
|