Состав сооружений: решетки и песколовки: Решетки – это первое устройство в схеме очистных сооружений. Они представляют...
Особенности сооружения опор в сложных условиях: Сооружение ВЛ в районах с суровыми климатическими и тяжелыми геологическими условиями...
Топ:
Характеристика АТП и сварочно-жестяницкого участка: Транспорт в настоящее время является одной из важнейших отраслей народного...
Генеалогическое древо Султанов Османской империи: Османские правители, вначале, будучи еще бейлербеями Анатолии, женились на дочерях византийских императоров...
Интересное:
Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...
Отражение на счетах бухгалтерского учета процесса приобретения: Процесс заготовления представляет систему экономических событий, включающих приобретение организацией у поставщиков сырья...
Лечение прогрессирующих форм рака: Одним из наиболее важных достижений экспериментальной химиотерапии опухолей, начатой в 60-х и реализованной в 70-х годах, является...
Дисциплины:
2024-02-15 | 75 |
5.00
из
|
Заказать работу |
Содержание книги
Поиск на нашем сайте
|
|
Припустимо, відомі n прогнозних даних , що відповідають n
реальним даним у1, у2, у3, …, уn, тобто маємо відповідно n помилок прогнозу е1, е2, е3, …, еn . Для визначення якості прогнозу (моделі) на практиці широко використовуються такі критерії:
:
1. Середня помилка прогнозу:
(2.5.1)
Цей критерій характеризує ступінь зміщення прогнозу і для правильних прогнозів повинен прямувати до 0 за умови великої кількості спостережень, тобто
при .
2. Дисперсія помилок:
(2.5.2)
та стандартне відхилення:
(2.5.3)
Цей критерій вимірює ступінь розкиду значень змінної навколо свого середнього значення.
Для простої лінійної регресії середнє значення помилок дорівнює нулеві. Тому
. (2.5.4)
3. Абсолютне середнє відхилення:
. (2.5.5)
4. Середній квадрат помилки:
. (2.5.6)
Цей критерій для лінійної регресії збігається з дисперсією помилок
.
5. Абсолютна середня процентна помилка:
. (2.5.7)
Цей критерій використовується при порівнянні точності прогнозів різнорідних об’єктів, бо характеризує відносну точність прогнозу. При цьому вважається, якщо значення цього критерію менше 10% — висока точність прогнозу, а отже, і якість моделі; від 10 до 20% — добра точність; від 20 до 50% — задовільна точність; понад 50% — незадовільна точність
.
6. Середня процентна помилка:
. (2.5.8)
|
Це показник незміщеності прогнозу. З точки зору практики для якісних моделей цей показник має бути малим, загалом не перевищувати 5%. Зазначимо, що як і показник 5, він не визначений для нульових значень у [5]
.
7. Середня абсолютна помилка:
Примітка: Для розрахунку вищеперелічених критеріїв варто використати таблицю:
№ | |||||||
1 2 3 . . . n | |||||||
Завдання 17 . Перевірити якість лінійної регресійної моделі, побудованої в завданні 4, за допомогою критеріїв:
Зробити висновки.
Завдання 18. Перевірити якість лінійної регресійної моделі, побудованої в завданні 8, за допомогою критеріїв:
Зробити висновки.
Завдання 19. Перевірити якість лінійної регресійної моделі, побудованої в завданні 10, за допомогою критеріїв з розділу 2.5. Зробити висновки.
Завдання 20. Перевірити якість лінійної регресійної моделі, побудованої в завданні 11, за допомогою критеріїв з розділу 2.5. Зробити висновки.
2.6. Математичне сподівання та дисперсія розподілу параметрів b 0 та b 1 . Оцінка дисперсії випадкової величини .
1. Математичне сподівання параметра b 0 дорівнює:
. (2.6.1)
2. Дисперсія параметра b 0:
(2.6.2)
3. Математичне сподівання параметра b 1 дорівнює:
. (2.6.3)
4. Дисперсія параметра b 1 :
, (2.6.4)
де — дисперсія залежної змінної.
5. Оцінка дисперсії випадкової величини :
, (2.6.5)
де к — кількість параметрів, що оцінюється в регресійній моделі. Для простої лінійної регресії:
. (2.6.6)
Середнє квадратичне відхилення оцінки дисперсії:
. (2.6.7)
Оскільки випадкова величина — неспостережувана, то і її дисперсію неможливо обчислити, тому на практиці дисперсія випадкової величини замінюється на свою оцінку.
|
У виразах (2.6.2) та (2.6.4) дисперсія параметрів b0 та b1 — невідома, оскільки вона залежить від дисперсії помилок випадкової величини , котру неможливо спостерігати. Отже, для параметрів b0 та b1 дійсна дисперсія замінюється своєю оцінкою [5]:
; (2.6.8)
(2.6.9)
Приклад 5. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в прикладі 1.
Рішення:
Для параметра b1:
Для параметра b0:
Завдання 21. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 4.
Завдання 22 . Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 8.
Завдання 23. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 10.
Завдання 24. Визначити оцінку дисперсії та середнього квадратичного відхилення для параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 11.
Завдання 25. Маємо таку інформацію:
; n = 40
а) визначити ; б) визначити .
2.7. Перевірка значимості параметрів b 0 та b 1 вибіркової лінійної регресійної моделі за допомогою t -теста Стьюдента
t -тест Стьюдента для перевірки значимості параметрів b0 та b1, визначених методом найменших квадратів, має вигляд:
. (2.7.1)
За таблицею t-розподілу Стьюдента визначають — критичне значення
з (n-2) ступенями вільності та 5%-рівнем значимості.
Якщо , то параметр bi — статистично значимий [5].
Приклад 6. Перевірити значимість параметрів b0 та b1 лінійної регресійної
моделі, побудованої в прикладі 1, за допомогою
t-теста Стьюдента.
.
Рішення:
Для параметра b1 та b0:
;
Примітка: та розраховані в прикладі 5. За таблицею t-розподілу Стьюдента визначимо — критичне значення з n-2=5-2=3 — ступенями вільності та 5%-рівнем значимості:
.
Оскільки, t1=17,34 > tкр.=3,182;
t2 = 5,21 > tкр.=3,182.
|
Отже, параметри b1 та b0 статистично значимі.
Завдання 26. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 4, використавши t-тест Стьюдента.
Завдання 27. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 8, використавши t-тест Стьюдента.
Завдання 28. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 10, використавши t-тест Стьюдента.
Завдання 29. Перевірити значимість параметрів b0 та b1 лінійної регресійної моделі, побудованої в завданні 11, використавши t-тест Стьюдента.
|
|
Адаптации растений и животных к жизни в горах: Большое значение для жизни организмов в горах имеют степень расчленения, крутизна и экспозиционные различия склонов...
Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
Состав сооружений: решетки и песколовки: Решетки – это первое устройство в схеме очистных сооружений. Они представляют...
Археология об основании Рима: Новые раскопки проясняют и такой острый дискуссионный вопрос, как дата самого возникновения Рима...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!