🗊Презентация Модель простой линейной регрессии

Категория: Математика
Нажмите для полного просмотра!
Модель простой линейной регрессии, слайд №1Модель простой линейной регрессии, слайд №2Модель простой линейной регрессии, слайд №3Модель простой линейной регрессии, слайд №4Модель простой линейной регрессии, слайд №5Модель простой линейной регрессии, слайд №6Модель простой линейной регрессии, слайд №7Модель простой линейной регрессии, слайд №8Модель простой линейной регрессии, слайд №9Модель простой линейной регрессии, слайд №10Модель простой линейной регрессии, слайд №11Модель простой линейной регрессии, слайд №12Модель простой линейной регрессии, слайд №13Модель простой линейной регрессии, слайд №14Модель простой линейной регрессии, слайд №15Модель простой линейной регрессии, слайд №16Модель простой линейной регрессии, слайд №17Модель простой линейной регрессии, слайд №18Модель простой линейной регрессии, слайд №19Модель простой линейной регрессии, слайд №20Модель простой линейной регрессии, слайд №21Модель простой линейной регрессии, слайд №22Модель простой линейной регрессии, слайд №23Модель простой линейной регрессии, слайд №24Модель простой линейной регрессии, слайд №25Модель простой линейной регрессии, слайд №26Модель простой линейной регрессии, слайд №27Модель простой линейной регрессии, слайд №28Модель простой линейной регрессии, слайд №29Модель простой линейной регрессии, слайд №30Модель простой линейной регрессии, слайд №31Модель простой линейной регрессии, слайд №32Модель простой линейной регрессии, слайд №33Модель простой линейной регрессии, слайд №34Модель простой линейной регрессии, слайд №35Модель простой линейной регрессии, слайд №36Модель простой линейной регрессии, слайд №37Модель простой линейной регрессии, слайд №38Модель простой линейной регрессии, слайд №39Модель простой линейной регрессии, слайд №40Модель простой линейной регрессии, слайд №41Модель простой линейной регрессии, слайд №42Модель простой линейной регрессии, слайд №43Модель простой линейной регрессии, слайд №44Модель простой линейной регрессии, слайд №45Модель простой линейной регрессии, слайд №46Модель простой линейной регрессии, слайд №47Модель простой линейной регрессии, слайд №48Модель простой линейной регрессии, слайд №49Модель простой линейной регрессии, слайд №50Модель простой линейной регрессии, слайд №51Модель простой линейной регрессии, слайд №52Модель простой линейной регрессии, слайд №53Модель простой линейной регрессии, слайд №54Модель простой линейной регрессии, слайд №55Модель простой линейной регрессии, слайд №56Модель простой линейной регрессии, слайд №57Модель простой линейной регрессии, слайд №58Модель простой линейной регрессии, слайд №59Модель простой линейной регрессии, слайд №60Модель простой линейной регрессии, слайд №61
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Модель простой линейной регрессии. Доклад-сообщение содержит 61 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Модель простой линейной регрессии
Описание слайда:
Модель простой линейной регрессии

Слайд 2


ОСНОВНЫЕ ПОНЯТИЯ
Описание слайда:
ОСНОВНЫЕ ПОНЯТИЯ

Слайд 3


Определение модели Простая линейная регрессия — это модель, описывающая зависимость величины y от одной переменной x в виде y  a  bx   a, b — коэффициенты  — случайная величина Терминология x — объясняющая переменная или существенный фактор или регрессор a, b — параметры регрессии  — случайный фактор y — результирующий показатель или отклик
Описание слайда:
Определение модели Простая линейная регрессия — это модель, описывающая зависимость величины y от одной переменной x в виде y  a  bx   a, b — коэффициенты  — случайная величина Терминология x — объясняющая переменная или существенный фактор или регрессор a, b — параметры регрессии  — случайный фактор y — результирующий показатель или отклик

Слайд 4


Спецификация модели Система уравнений − описание моделью выборочных данных (x1; y1),(x2 ; y2 ),...,(xn ; yn ) 1,2 ,,n − сериальные ошибки
Описание слайда:
Спецификация модели Система уравнений − описание моделью выборочных данных (x1; y1),(x2 ; y2 ),...,(xn ; yn ) 1,2 ,,n − сериальные ошибки

Слайд 5


Теоретическое уравнение модели Сериальная ошибка — это разность между имеющимся значением зависимой переменной и соответствующим ему значением, предсказанным по уравнению модели Теоретическое уравнение модели ― такое уравнение, у которого на имеющейся выборке каждая из сериальных ошибок принимает наименьшее значение Обозначение y  a  bx
Описание слайда:
Теоретическое уравнение модели Сериальная ошибка — это разность между имеющимся значением зависимой переменной и соответствующим ему значением, предсказанным по уравнению модели Теоретическое уравнение модели ― такое уравнение, у которого на имеющейся выборке каждая из сериальных ошибок принимает наименьшее значение Обозначение y  a  bx

Слайд 6


Модель простой линейной регрессии, слайд №6
Описание слайда:

Слайд 7


Модель простой линейной регрессии, слайд №7
Описание слайда:

Слайд 8


Теоретические ограничения У каждой сериальной ошибки математическое ожидание равно нулю Дисперсии всех сериальных ошибок одинаковы (гомоскедастичность возмущений) Сериальные ошибки не коррелируют между собой (отсутствие автокорреляции возмущений) Объем выборки больше двух Выборочные значения существенного фактора не случайны Элементы выборки не расположены на одной вертикальной прямой
Описание слайда:
Теоретические ограничения У каждой сериальной ошибки математическое ожидание равно нулю Дисперсии всех сериальных ошибок одинаковы (гомоскедастичность возмущений) Сериальные ошибки не коррелируют между собой (отсутствие автокорреляции возмущений) Объем выборки больше двух Выборочные значения существенного фактора не случайны Элементы выборки не расположены на одной вертикальной прямой

Слайд 9


Теоретические ограничения Нормальная регрессия Параметрическая или нормальная или гауссовская регрессия − все сериальные ошибки имеют нормальное распределение Общий случай Сериальные ошибки − одинаково распределенные независимые случайные величины
Описание слайда:
Теоретические ограничения Нормальная регрессия Параметрическая или нормальная или гауссовская регрессия − все сериальные ошибки имеют нормальное распределение Общий случай Сериальные ошибки − одинаково распределенные независимые случайные величины

Слайд 10


Метод наименьших квадратов Задача о поиске теоретического уравнения не разрешима Найти a и b такие, что Оценки aˆ и b по методу наименьших квадратов Формулы для вычисления
Описание слайда:
Метод наименьших квадратов Задача о поиске теоретического уравнения не разрешима Найти a и b такие, что Оценки aˆ и b по методу наименьших квадратов Формулы для вычисления

Слайд 11


Эмпирическое уравнение модели Эмпирическое уравнение модели − такое уравнение, у которого на имеющейся выборке сумма квадратов сериальных ошибок принимает наименьшее значение Обозначение
Описание слайда:
Эмпирическое уравнение модели Эмпирическое уравнение модели − такое уравнение, у которого на имеющейся выборке сумма квадратов сериальных ошибок принимает наименьшее значение Обозначение

Слайд 12


Выровненные значения и остатки Выровненное значение − значение зависимой переменной, предсказанное с помощью эмпирического уравнения модели Обозначение: выровненное значение с номером i: Остаток − это разность между имеющимся значением зависимой переменной и соответствующим ему значением, предсказанным по эмпирическому уравнению Обозначение: остаток с номером i: Вычисление:
Описание слайда:
Выровненные значения и остатки Выровненное значение − значение зависимой переменной, предсказанное с помощью эмпирического уравнения модели Обозначение: выровненное значение с номером i: Остаток − это разность между имеющимся значением зависимой переменной и соответствующим ему значением, предсказанным по эмпирическому уравнению Обозначение: остаток с номером i: Вычисление:

Слайд 13


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Transp – совокупные расходы на транспорт в США за год (в миллиардах долларов в ценах 2000 года) DPI – совокупный личный располагаемый доход в США за год (в миллиардах долларов в ценах 2000 года)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Transp – совокупные расходы на транспорт в США за год (в миллиардах долларов в ценах 2000 года) DPI – совокупный личный располагаемый доход в США за год (в миллиардах долларов в ценах 2000 года)

Слайд 14


Пример
Описание слайда:
Пример

Слайд 15


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Уравнение модели Transp –расходы на транспорт DPI –личный располагаемый доход
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Уравнение модели Transp –расходы на транспорт DPI –личный располагаемый доход

Слайд 16


Интрерпретация уравнения модели Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Коэффициент при DPI: если доход увеличивается на 1 млрд. долларов, то расходы на транспорт возрастают на 37,5 млн. долларов Свободный член: формально показывает, что нулевом доходе расходы на транспорт будут равны 3,8788 млрд. долларов
Описание слайда:
Интрерпретация уравнения модели Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Коэффициент при DPI: если доход увеличивается на 1 млрд. долларов, то расходы на транспорт возрастают на 37,5 млн. долларов Свободный член: формально показывает, что нулевом доходе расходы на транспорт будут равны 3,8788 млрд. долларов

Слайд 17


Интрерпретация уравнения модели Коэффициент при объясняющей переменной: показывает, на сколько единиц примерно изменяется зависимая переменная при увеличении независимой переменной на единицу Свободный член равен величине зависимой переменной при нулевом значении существенного фактора
Описание слайда:
Интрерпретация уравнения модели Коэффициент при объясняющей переменной: показывает, на сколько единиц примерно изменяется зависимая переменная при увеличении независимой переменной на единицу Свободный член равен величине зависимой переменной при нулевом значении существенного фактора

Слайд 18


ТЕОРЕМА О СУММЕ КВАДРАТОВ
Описание слайда:
ТЕОРЕМА О СУММЕ КВАДРАТОВ

Слайд 19


Суммы квадратов Остатки: Любой анализ качества модели − это анализ остатков Полная сумма квадратов (total sum of squares): Регрессионная сумма квадратов (regression sum of squares): Сумма квадратов ошибок (error sum of squares)
Описание слайда:
Суммы квадратов Остатки: Любой анализ качества модели − это анализ остатков Полная сумма квадратов (total sum of squares): Регрессионная сумма квадратов (regression sum of squares): Сумма квадратов ошибок (error sum of squares)

Слайд 20


Теорема о сумме квадратов Если в модели простой регрессии выполняются все теоретические предположения, то верно равенство:
Описание слайда:
Теорема о сумме квадратов Если в модели простой регрессии выполняются все теоретические предположения, то верно равенство:

Слайд 21


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 22


Значимость модели Модель является значимой, если в теоретическом уравнении модели коэффициент при существенном факторе не равен нулю
Описание слайда:
Значимость модели Модель является значимой, если в теоретическом уравнении модели коэффициент при существенном факторе не равен нулю

Слайд 23


Проверка значимости модели Тест Фишера Основная гипотеза – модель незначимая Альтернативная – модель значимая Наблюдаемое значение: Критическое значение: квантиль уровня 1– α распределения Фишера с 1 и n – 2 степенями свободы Выводы: если наблюдаемое больше критического, то модель значимая (с возможной 100α%-й ошибкой) если наблюдаемое меньше критического, то гипотеза о незначимости модели не отвергается
Описание слайда:
Проверка значимости модели Тест Фишера Основная гипотеза – модель незначимая Альтернативная – модель значимая Наблюдаемое значение: Критическое значение: квантиль уровня 1– α распределения Фишера с 1 и n – 2 степенями свободы Выводы: если наблюдаемое больше критического, то модель значимая (с возможной 100α%-й ошибкой) если наблюдаемое меньше критического, то гипотеза о незначимости модели не отвергается

Слайд 24


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 25


Коэффициент детерминации Коэффициент детерминации: Выводы о качестве модели Коэффициент меньше примерно 0,2: модель плохо описывает имеющиеся данные Коэффициент больше примерно 0,7: модель линейной регрессии дает хорошее описание Коэффициент от 0,2 до 0,7: нельзя сделать вывод о качестве модели
Описание слайда:
Коэффициент детерминации Коэффициент детерминации: Выводы о качестве модели Коэффициент меньше примерно 0,2: модель плохо описывает имеющиеся данные Коэффициент больше примерно 0,7: модель линейной регрессии дает хорошее описание Коэффициент от 0,2 до 0,7: нельзя сделать вывод о качестве модели

Слайд 26


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 27


СТАНДАРТНЫЕ ОШИБКИ
Описание слайда:
СТАНДАРТНЫЕ ОШИБКИ

Слайд 28


Стандартная ошибка модели Стандартная ошибка модели – несмещенная оценка среднего квадратического отклонения сериальных ошибок Формула вычисления: n – объем выборки ESS – сумма квадратов сериальных ошибок
Описание слайда:
Стандартная ошибка модели Стандартная ошибка модели – несмещенная оценка среднего квадратического отклонения сериальных ошибок Формула вычисления: n – объем выборки ESS – сумма квадратов сериальных ошибок

Слайд 29


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 30


Стандартные ошибки параметров Стандартная ошибка параметра a – несмещенная оценка среднего квадратического отклонения случайной величины â Формула вычисления: s – стандартная ошибка модели n – объем выборки
Описание слайда:
Стандартные ошибки параметров Стандартная ошибка параметра a – несмещенная оценка среднего квадратического отклонения случайной величины â Формула вычисления: s – стандартная ошибка модели n – объем выборки

Слайд 31


Стандартные ошибки параметров Стандартная ошибка параметра b – несмещенная оценка среднего квадратического отклонения случайной величины Формула вычисления: s – стандартная ошибка модели
Описание слайда:
Стандартные ошибки параметров Стандартная ошибка параметра b – несмещенная оценка среднего квадратического отклонения случайной величины Формула вычисления: s – стандартная ошибка модели

Слайд 32


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 33


Интервальные оценки Интервальная оценка параметра: показывает с вероятностью 1– α , в каком интервале содержится истинное значение параметра Вероятность 1– α — надежность Интервал обычно вычисляется с помощью точечной оценки параметра
Описание слайда:
Интервальные оценки Интервальная оценка параметра: показывает с вероятностью 1– α , в каком интервале содержится истинное значение параметра Вероятность 1– α — надежность Интервал обычно вычисляется с помощью точечной оценки параметра

Слайд 34


Интервальные оценки Интервальная оценка свободного члена: нижняя граница интервала верхняя граница интервала – точечная оценка свободного члена – стандартная ошибка свободного члена – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы
Описание слайда:
Интервальные оценки Интервальная оценка свободного члена: нижняя граница интервала верхняя граница интервала – точечная оценка свободного члена – стандартная ошибка свободного члена – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы

Слайд 35


Интервальные оценки Интервальная оценка углового коэффициента: нижняя граница интервала верхняя граница интервала – точечная оценка углового коэффициента – стандартная ошибка углового коэффициента – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы
Описание слайда:
Интервальные оценки Интервальная оценка углового коэффициента: нижняя граница интервала верхняя граница интервала – точечная оценка углового коэффициента – стандартная ошибка углового коэффициента – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы

Слайд 36


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 37


ЗНАЧИМОСТЬ ПАРАМЕТРОВ МОДЕЛИ
Описание слайда:
ЗНАЧИМОСТЬ ПАРАМЕТРОВ МОДЕЛИ

Слайд 38


Определения Параметр при существенном факторе x называется значимым, если его истинное значение не равно нулю Значимость параметра при x означает: модель учитывает влияние данного фактора на зависимую переменную Параметр при существенном факторе x называется статистически незначимым, если его значимость не установлена Статистическая незначимость параметра при x означает: возможно, модель не учитывает влияние данного фактора на зависимую переменную
Описание слайда:
Определения Параметр при существенном факторе x называется значимым, если его истинное значение не равно нулю Значимость параметра при x означает: модель учитывает влияние данного фактора на зависимую переменную Параметр при существенном факторе x называется статистически незначимым, если его значимость не установлена Статистическая незначимость параметра при x означает: возможно, модель не учитывает влияние данного фактора на зависимую переменную

Слайд 39


Значимость модели и параметров В модели простой линейной регрессии значимость параметра при существенном факторе равносильна значимости модели!
Описание слайда:
Значимость модели и параметров В модели простой линейной регрессии значимость параметра при существенном факторе равносильна значимости модели!

Слайд 40


Проверка значимости параметра Тест Стьюдента Основная гипотеза – параметр b незначимый Альтернативная – параметр b значимый Наблюдаемое значение: Критическое значение: квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы Выводы: если наблюдаемое больше критического, то параметр значимый (с возможной 100α%-й ошибкой) если наблюдаемое меньше критического, то гипотеза о незначимости параметра не отвергается (статистическая незначимость параметра)
Описание слайда:
Проверка значимости параметра Тест Стьюдента Основная гипотеза – параметр b незначимый Альтернативная – параметр b значимый Наблюдаемое значение: Критическое значение: квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы Выводы: если наблюдаемое больше критического, то параметр значимый (с возможной 100α%-й ошибкой) если наблюдаемое меньше критического, то гипотеза о незначимости параметра не отвергается (статистическая незначимость параметра)

Слайд 41


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 42


ПРОГНОЗИРОВАНИЕ
Описание слайда:
ПРОГНОЗИРОВАНИЕ

Слайд 43


Виды прогнозирования Безусловное прогнозирование (предсказание): значение существенного фактора, соответствующее прогнозируемому значению, известно Условное прогнозирование: значение существенного фактора, соответствующее прогнозируемому значению, не известно
Описание слайда:
Виды прогнозирования Безусловное прогнозирование (предсказание): значение существенного фактора, соответствующее прогнозируемому значению, известно Условное прогнозирование: значение существенного фактора, соответствующее прогнозируемому значению, не известно

Слайд 44


Точечный прогноз Точечный прогноз: значение зависимой переменной, вычисленное с помощью эмпирического уравнения модели Вычисление: x0 – значение соответствующего существенного фактора
Описание слайда:
Точечный прогноз Точечный прогноз: значение зависимой переменной, вычисленное с помощью эмпирического уравнения модели Вычисление: x0 – значение соответствующего существенного фактора

Слайд 45


Стандартная ошибка Стандартная ошибка точечного прогноза: несмещенная оценка стандартного отклонения случайной величины Вычисление: s – стандартная ошибка точечного прогноза x0 – значение соответствующего существенного фактора
Описание слайда:
Стандартная ошибка Стандартная ошибка точечного прогноза: несмещенная оценка стандартного отклонения случайной величины Вычисление: s – стандартная ошибка точечного прогноза x0 – значение соответствующего существенного фактора

Слайд 46


Интервальный прогноз Интервальная прогноз: показывает с вероятностью 1– α , в каком интервале содержится истинное значение зависимой переменной Вероятность 1– α — надежность
Описание слайда:
Интервальный прогноз Интервальная прогноз: показывает с вероятностью 1– α , в каком интервале содержится истинное значение зависимой переменной Вероятность 1– α — надежность

Слайд 47


Интервальный прогноз Вычисление: нижняя граница интервала верхняя граница интервала – точечный прогноз – стандартная ошибка прогноза – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы
Описание слайда:
Интервальный прогноз Вычисление: нижняя граница интервала верхняя граница интервала – точечный прогноз – стандартная ошибка прогноза – двусторонняя квантиль уровня 1– α распределения Стьюдента с n – 2 степенями свободы

Слайд 48


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 49


НЕЛИНЕЙНАЯ РЕГРЕССИЯ
Описание слайда:
НЕЛИНЕЙНАЯ РЕГРЕССИЯ

Слайд 50


Нелинейные модели Два вида регрессий: нелинейные относительно объясняющих переменных, но линейные по оцениваемым параметрам нелинейные по оцениваемым параметрам
Описание слайда:
Нелинейные модели Два вида регрессий: нелинейные относительно объясняющих переменных, но линейные по оцениваемым параметрам нелинейные по оцениваемым параметрам

Слайд 51


Пример Кривые Энгеля показывает зависимость между объёмом потребления товаров или услуг и доходом потребителя при неизменных ценах и предпочтениях
Описание слайда:
Пример Кривые Энгеля показывает зависимость между объёмом потребления товаров или услуг и доходом потребителя при неизменных ценах и предпочтениях

Слайд 52


Основные нелинейные модели Гиперболическая Параболическая Экспоненциальная Степенная
Описание слайда:
Основные нелинейные модели Гиперболическая Параболическая Экспоненциальная Степенная

Слайд 53


ВЫБОР ЛУЧШЕЙ МОДЕЛИ
Описание слайда:
ВЫБОР ЛУЧШЕЙ МОДЕЛИ

Слайд 54


Оценка качества модели Инструменты Точечная диаграмма (расположение точек вдоль линии тренда) Статистика Фишера (значимость модели по тесту Фишера) Коэффициент детерминации (оценка качества модели по его величине) Средняя относительная погрешность (оценка качества модели по её величине)
Описание слайда:
Оценка качества модели Инструменты Точечная диаграмма (расположение точек вдоль линии тренда) Статистика Фишера (значимость модели по тесту Фишера) Коэффициент детерминации (оценка качества модели по его величине) Средняя относительная погрешность (оценка качества модели по её величине)

Слайд 55


Оценка качества модели Характеристики подходящей модели На диаграмме точки расположены, в основном, вдоль линии тренда Модель значимая Коэффициент детерминации не меньше заданного уровня (обычно 0,65-0,7) Средняя относительная погрешность не меньше заданного уровня (обычно 10% - 25%)
Описание слайда:
Оценка качества модели Характеристики подходящей модели На диаграмме точки расположены, в основном, вдоль линии тренда Модель значимая Коэффициент детерминации не меньше заданного уровня (обычно 0,65-0,7) Средняя относительная погрешность не меньше заданного уровня (обычно 10% - 25%)

Слайд 56


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 57


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Статистика Фишера Коэффициент детерминации Средняя относительная погрешность
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы) Статистика Фишера Коэффициент детерминации Средняя относительная погрешность

Слайд 58


Выбор модели Два этапа Первый этап: выбор подходящих моделей Обычно используются: линейная, гиперболическая, параболическая, экспоненциальная, степенная модели Для моделей с зависимой переменной, отличной от исходной, предсказанные значения, остатки, коэффициенты детерминации и среднюю относительную погрешность необходимо вычислять отдельно!
Описание слайда:
Выбор модели Два этапа Первый этап: выбор подходящих моделей Обычно используются: линейная, гиперболическая, параболическая, экспоненциальная, степенная модели Для моделей с зависимой переменной, отличной от исходной, предсказанные значения, остатки, коэффициенты детерминации и среднюю относительную погрешность необходимо вычислять отдельно!

Слайд 59


Выбор модели Два этапа Второй этап: выбор лучшей модели Для сравнения подходящих моделей используются такие же инструменты, как на первом этапе
Описание слайда:
Выбор модели Два этапа Второй этап: выбор лучшей модели Для сравнения подходящих моделей используются такие же инструменты, как на первом этапе

Слайд 60


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Слайд 61


Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)
Описание слайда:
Пример Зависимость расходов на транспорт от дохода (США, 1946-2002 годы)

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию