Определение коэффициентов линейной регрессии
Download 88.46 Kb.
|
1 2
Bog'liqПрактика 3
- Bu sahifa navigatsiya:
- ПРАКТИЧЕСКОЕ ЗАНЯТИЕ № 1 ОПРЕДЕЛЕНИЕ КОЭФФИЦИЕНТОВ ЛИНЕЙНОЙ РЕГРЕССИИ Цель работы
- Теоретическая часть
МИНИСТЕРСТВО ВЫСШЕГО ОБРАЗОВАНИЯ, НАУКИ И ИННОВАЦИЙ РЕСПУБЛИКИ УЗБЕКИСТАН «ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ ИСЛАМА КАРИМОВА» Факультет: «Электроника и автоматика» Кафедра: «Автоматизация технологических процессов» ПРАКТИЧЕСКАЯ РАБОТА №1 Тема: Определение коэффициентов линейной регрессии Курс: Моделирование технологических процессов и основы оптимизации Выполнил студент группы С29-19 Мирбеков А.А. Проверил преподаватель: Шульц А.В. Ташкент – 2023 ПРАКТИЧЕСКОЕ ЗАНЯТИЕ № 1 ОПРЕДЕЛЕНИЕ КОЭФФИЦИЕНТОВ ЛИНЕЙНОЙ РЕГРЕССИИ Цель работы: Изучение и применение метода наименьших квадратов (МНК) расчета параметров уравнения парной линейной регрессии. Теоретическая часть Задачами регрессионного анализа являются: установление формы зависимости между переменными, оценка функций регрессии, оценка неизвестных значений зависимой переменной (прогноз). Односторонняя зависимость случайной зависимой переменной Y от одной или нескольких независимых переменных Y называется объясняющей регрессией. Такая зависимость может возникать тогда, когда при каждом фиксированном значении X, соответствующее значение Y подвержены случайному разбросу неконтролируемых факторов. Такая зависимость Y(X) называется регрессионной. Она может быть представлена в виде модельного уравнения регрессии: где - случайная переменная характеризующая отклонение от функции регрессии. Линейный регрессионный анализ - это анализ для которого функция f(X) линейна относительно оцениваемых факторов. - математическое ожидание Регрессионный анализ включает в себя две основные компоненты: оценка вектора коэффициентов с помощью метода наименьших квадратов: ; дисперсионный анализ – для оценки адекватности модели. Для того, чтобы провести регрессионный анализ необходимо: чтобы количество экспериментальных данных было больше либо равно 30 на один вход; распределение выходной величины должно быть нормальным; в процессе эксперимента дисперсия выходной величины Y не меняется: ; переменная X изменяется с пренебрежительно малыми ошибками, то есть является детерменированой; выходные переменные X1, X2, … Xn стохастически независимы между собой: ; дискретность проведения экспериментов во времени берется таким образом, чтобы последовательно взятые значения Y1, Y2, Y3 стахостически независимыми, то есть больше времени затухания автокорреляционной функции; учет динамики в регрессионном анализе производится в виде транспортного запаздывания, которое определяется как время нахождения максимума взаимно корреляционной функции X и Y. На основании этих предпосылок получают уравнение регрессионной модели методом наименьших квадратов. Download 88.46 Kb. Do'stlaringiz bilan baham: |
1 2
Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2024
ma'muriyatiga murojaat qiling
ma'muriyatiga murojaat qiling