Линейное уравнение регрессии — КиберПедия 

Индивидуальные и групповые автопоилки: для животных. Схемы и конструкции...

Автоматическое растормаживание колес: Тормозные устройства колес предназначены для уменьше­ния длины пробега и улучшения маневрирования ВС при...

Линейное уравнение регрессии

2021-04-18 85
Линейное уравнение регрессии 0.00 из 5.00 0 оценок
Заказать работу

В общем случае линейное уравнение имеет вид y = a x + b.

Пусть исходная функция y = f (x) варианта задания имеет вид, показанный в таблице в диапазоне ячеек A 7: B 18, рис. 4.1.1.

Построим точечный график функции y = f (x).

В строке 21 создадим шапку таблицы, как показано на рис. 4.1.1.

В ячейку B 22 запишем произвольную константу 1, а в ячейку C 22 - произвольную константу 2.

Рис. 4.1.1

В ячейку A 22 запишем оператор присваивания для сцепленных символьных констант:

="y="&ТЕКСТ(B22;"0.00")&"x"&ЕСЛИ(C 22<0;ТЕКСТ(C22;"0.00");"+"&ТЕКСТ(C22;"0.00"))

Ячейке С6 присвоим такое же значение, какое приобретает ячейка A 22, то есть C 6 = A 22.

Тогда, в соответствии с выбранными коэффициентами в ячейках B 22=1 и C 22=2, в ячейках A 22 и C 6 получим результат y =1.00 x +2.00.

Запишем в ячейку C 7 уравнение прямой с коэффициентами, взятыми в абсолютной адресации из ячеек B 22 и C 22, то есть =$B$22*A7+$C$22, в качестве аргумента X берётся значение ячейки A7 исходной таблицы.

Скопируем закон преобразования информации ячейки C 7 до ячейки С18 включительно.

В результате получим спектр значений функции y =1.00 x +2.00 на спектре аргументов X в диапазоне значений ячеек A 7: A 18, рис. 4.1.1.

В ячейку C 19, используя мастер функций fx, запишем результат вычисления функции =СУММКВРАЗН(B7:B18;C7:C18), рис. 4.1.2.

Рис. 4.1.2

Примечание: обозначение Массив_ x и Массив_ y, рис. 4.1.2, математическое и не совпадает с обозначениями выполняемого задания.

Добавим на точечный рисунок исходной таблицы уравнение прямой y =1.00 x +2.00, рис. 4.1.3.

Рис. 4.1.3

Заметим, что это уравнение линейной регрессии, с произвольными значениями коэффициентов a =1 и b =2.

Соответствие этого уравнения регрессии исходному распределению оценено с помощью вычисления функции суммы квадратов разностей, значение которой составляет 247.

Для определения оптимальных значений коэффициентов a и b воспользуемся функцией Поиск решения:

– установим курсор в ячейку C 19;

– последовательно, выбирая Разработчик [2], Данные, Поиск решения [3], вызвать окно Параметры поиска решения, в котором установить параметры, как показано на рис. 4.1.4, и нажать кнопку Найти решение;

Рис. 4.1.4

– увидеть, как в ячейке B 22 установится значение 0.16, в ячейке C 224.85, в ячейке C 19 – 67.0547786, рис. 4.1.5;

 

Рис. 4.1.5

Это означает, что прямая с коэффициентами a = 0.16 и b = 4.85 отобразится на графике Линейная регрессия, как показано на рис. 4.1.5, при этом значение суммы квадратов разностей будет минимально и равно 67.0547786.

Таким образом, коэффициенты для линейного уравнения регрессии определены и для исходного задания уравнение имеет вид y = 0.16 x + 4.85.

Чтобы убедиться в правильности решения щёлкнем правой клавишей мышки по любой точке исходного задания на графике Линейная регрессия, рис. 4.1.5.

В появившемся окне выберем раздел Добавить линию тренда, рис. 4.1.6.

Рис. 4.1.6

В появившемся окне Формат линии тренда выбрать параметры Линейная, показывать уравнение на диаграмме и поместить на диаграмму величину достоверности аппроксимации (R ^2) и нажать кнопку Закрыть, рис. 4.1.7.

 

Рис. 4.1.7

Появившаяся на графике Линейная регрессия линия тренда полностью совпадает с графиком построенного уравнения регрессии y = 0.16 x + 4.85, как и уравнение линии тренда y = 0.1643 x + 4.8485, что является доказательством правильности решения, рис. 4.1.8.

Рис. 4.1.8

Следует отметить, что значение коэффициента детерминации[4] R 2 = 0.0545 свидетельствует о том, что выбранный вид уравнения регрессии (линейная функция) не очень подходит к исходному заданию, так как максимальное значение коэффициента детерминации R 2 = 1.

На рис. 4.1.9 показан результирующий график использования в качестве уравнения регрессии линейной функции y = 0.16 x + 4.85 и построения линии тренда y = 0.1643 x + 4.8485 для исходного варианта задания y = f (x).

 

Рис. 4.1.9


Поделиться с друзьями:

Индивидуальные очистные сооружения: К классу индивидуальных очистных сооружений относят сооружения, пропускная способность которых...

Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...

Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...

Общие условия выбора системы дренажа: Система дренажа выбирается в зависимости от характера защищаемого...



© 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!

0.009 с.