Статистико-математические таблицы
Таблица значений F -критерия Фишера при уровне значимости
k2=n-m | k1=m-1 | ||||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 8 | 12 | 24 | |||||
1 | 161,45 | 199,5 | 215,72 | 224,57 | 230,17 | 233,97 | 238,89 | 243,91 | 249,04 | 254,32 | |||
2 | 18,51 | 19,00 | 19,16 | 19,25 | 19,30 | 19,33 | 19,37 | 19,41 | 19,45 | 19,50 | |||
3 | 10,13 | 9,55 | 9,28 | 9,12 | 9,01 | 8,94 | 8,84 | 8,74 | 8,64 | 8,53 | |||
4 | 7,71 | 6,94 | 6,59 | 6,39 | 6,26 | 6,16 | 6,04 | 5,91 | 5,77 | 5,63 | |||
5 | 6,61 | 5,79 | 5,41 | 5,19 | 5,05 | 4,95 | 4,82 | 4,68 | 4,53 | 4,36 | |||
6 | 5,99 | 5,14 | 4,76 | 4,53 | 4,39 | 4,28 | 4,15 | 4,00 | 3,84 | 3,67 | |||
7 | 5,59 | 4,74 | 4,35 | 4,12 | 3,97 | 3,87 | 3,73 | 3,57 | 3,41 | 3,23 | |||
8 | 5,32 | 4,46 | 4,07 | 3,84 | 3,69 | 3,58 | 3,44 | 3,28 | 3,12 | 2,93 | |||
9 | 5,12 | 4,26 | 3,86 | 3,63 | 3,48 | 3,37 | 3,23 | 3,07 | 2,90 | 2,71 | |||
10 | 4,96 | 4,10 | 3,71 | 3,48 | 3,33 | 3,22 | 307 | 2,91 | 2,74 | 2,54 | |||
11 | 4,84 | 3,98 | 3,59 | 3,36 | 3,20 | 3,09 | 2,95 | 2,79 | 2,61 | 2,40 | |||
12 | 4,75 | 3,88 | 3,49 | 3,26 | 3,11 | 3,00 | 2,85 | 2,69 | 2,50 | 2,30 | |||
13 | 4,67 | 3,80 | 3,41 | 3,18 | 3,02 | 2,92 | 2,77 | 2,60 | 2,42 | 2,21 | |||
14 | 4,60 | 3,74 | 3,34 | 3,11 | 2,96 | 2,85 | 2,70 | 2,53 | 2,35 | 2,13 | |||
15 | 4,54 | 3,68 | 3,29 | 3,06 | 2,90 | 2,79 | 2,64 | 2,48 | 2,29 | 2,07 | |||
16 | 4,49 | 3,63 | 3,24 | 3,01 | 2,85 | 2,74 | 2,59 | 2,42 | 2,24 | 2,01 | |||
17 | 4,45 | 3,59 | 3,20 | 2,96 | 2,81 | 2,70 | 2,55 | 2,38 | 2,19 | 1,96 | |||
18 | 4,41 | 3,55 | 3,16 | 2,93 | 2,77 | 2,66 | 2,51 | 2,34 | 2,15 | 1,92 | |||
19 | 4,38 | 3,52 | 3,13 | 2,90 | 2,74 | 2,63 | 2,48 | 2,31 | 2,11 | 1,88 | |||
20 | 4,35 | 3,49 | 3,10 | 2,87 | 2,71 | 2,60 | 2,45 | 2,28 | 2,08 | 1,84 | |||
21 | 4,32 | 3,47 | 3,07 | 2,84 | 2,68 | 2,57 | 2,42 | 2,25 | 2,05 | 1,81 | |||
22 | 4,30 | 3,44 | 3,05 | 2,82 | 2,66 | 2,55 | 2,40 | 2,23 | 2,03 | 1,78 | |||
23 | 4,28 | 3,42 | 3,03 | 2,80 | 2,64 | 2,53 | 2,38 | 2,20 | 2,00 | 1,76 | |||
24 | 4,26 | 3,40 | 3,01 | 2,78 | 2,62 | 2,51 | 2,36 | 2,18 | 1,98 | 1,73
| |||
25 | 4,24 | 3,38 | 2,99 | 2,76 | 2,60 | 2,49 | 2,34 | 2,16 | 1,96 | 1,71 | |||
26 | 4,22 | 3,37 | 2,98 | 2,74 | 2,59 | 2,47 | 2,32 | 2,15 | 1,95 | 1,69 | |||
27 | 4,21 | 3,35 | 2,96 | 2,73 | 2,57 | 2,46 | 2,30 | 2,13 | 1,93 | 1,67 | |||
28 | 4,20 | 3,34 | 2,95 | 2,71 | 2,56 | 2,44 | 2,29 | 2,12 | 1,91 | 1,65 | |||
29 | 4,18 | 3,33 | 2,93 | 2,70 | 2,54 | 2,43 | 2,28 | 2,10 | 1,90 | 1,64 | |||
30 | 4,17 | 3,32 | 2,92 | 2,69 | 2,53 | 2,42 | 2,27 | 2,09 | 1,89 | 1,62 | |||
35 | 4,12 | 3,26 | 2,87 | 2,64 | 2,48 | 2,37 | 2,22 | 2,04 | 1,83 | 1,57 | |||
40 | 4,08 | 3,23 | 2,84 | 2,61 | 2,45 | 2,34 | 2,18 | 2,00 | 1,79 | 1,51 | |||
45 | 4,06 | 3,21 | 2,81 | 2,58 | 2,42 | 2,31 | 2,15 | 1,97 | 1,76 | 1,48 | |||
50 | 4,03 | 3,18 | 2,79 | 2,56 | 2,40 | 2,29 | 2,13 | 1,95 | 1,74 | 1,44 | |||
60 | 4,00 | 3,15 | 2,76 | 2,52 | 2,37 | 2,25 | 2,10 | 1,92 | 1,70 | 1,39 | |||
70 | 3,89 | 3,13 | 2,74 | 2,50 | 2,35 | 2,23 | 2,07 | 1,89 | 1,67 | 1,35 | |||
80 | 3,96 | 3,11 | 2,72 | 2,49 | 2,33 | 2,21 | 2,06 | 1,88 | 1,65 | 1,31 | |||
90 | 3,95 | 310 | 2,71 | 2,47 | 2,32 | 2,20 | 2,04 | 1,86 | 1,64 | 1,28 | |||
100 | 3,94 | 3,09 | 2,70 | 2,46 | 2,30 | 2,19 | 2,03 | 1,85 | 1,63 | 1,26 | |||
125 | 3,92 | 3,07 | 2,68 | 2,44 | 2,29 | 2,17 | 2,01 | 1,83 | 1,60 | 1,21 | |||
150 | 3,90 | 3,06 | 2,66 | 2,43 | 2,27 | 2,16 | 2,00 | 1,82 | 1,59 | 1,18 | |||
200 | 3,89 | 3,04 | 2,65 | 2,42 | 2,26 | 2,14 | 1,98 | 1,80 | 1,57 | 1,14 | |||
300 | 3,87 | 3,03 | 2,64 | 2,41 | 2,25 | 2,13 | 1,97 | 1,79 | 1,55 | 1,10 | |||
400 | 3,86 | 3,02 | 2,63 | 2,40 | 2,24 | 2,12 | 1,96 | 1,78 | 1,54 | 1,07 | |||
500 | 3,86 | 3,01 | 2,62 | 2,39 | 2,23 | 2,11 | 1,96 | 1,77 | 1,54 | 1,06 | |||
1000 | 3,85 | 3,00 | 2,61 | 2,38 | 2,22 | 2,10 | 1,95 | 1,76 | 1,53 | 1,03 | |||
3,84 | 2,99 | 2,60 | 2,37 | 2,21 | 2,09 | 1,94 | 1,75 | 1,52 | 1,00 |
Приложение 3
|
|
Критические значения t –критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
Число степеней свободы | Число степеней свободы | ||||||
0,10 | 0,05 | 0,01 | 0,10 | 0,05 | 0,01 | ||
1 | 6,3138 | 12,706 | 63,657 | 18 | 1,7341 | 2,1009 | 2,8784 |
2 | 2,9200 | 4,3027 | 9,9248 | 19 | 1,7291 | 2,0930 | 2,8609 |
3 | 2,3534 | 3,1825 | 5,8409 | 20 | 1,7247 | 2,0860 | 2,8453 |
4 | 2,1318 | 2,7764 | 4,6041 | 21 | 1,7207 | 2,0796 | 2,8314 |
5 | 2,0150 | 2,5706 | 4,0321 | 22 | 1,7171 | 2,0739 | 2,8188 |
6 | 1,9432 | 2,4469 | 3,7074 | 23 | 1,7139 | 2,0687 | 2,8073 |
7 | 1,8946 | 2,3646 | 3,495 | 24 | 1,7109 | 2,0639 | 2,7969 |
8 | 1,8595 | 2,3060 | 3,3554 | 25 | 1,7081 | 2,0595 | 2,7874 |
9 | 1,8331 | 2,2622 | 3,2498 | 26 | 1,7056 | 2,0555 | 2,7787 |
10 | 1,8125 | 2,2281 | 3,1693 | 27 | 1,7033 | 2,0518 | 2,7707 |
11 | 1,7959 | 2,2010 | 3,1058 | 28 | 1,7011 | 2,0484 | 2,7633 |
12 | 1,7823 | 2,1788 | 3,0545 | 29 | 1,6991 | 2,0452 | 2,7564 |
13 | 1,7709 | 2,1604 | 3,0123 | 30 | 1,6973 | 2,0423 | 2,7500 |
14 | 1,7613 | 2,1448 | 2,9768 | 40 | 1,6839 | 2,0211 | 2,7045 |
15 | 1,7530 | 2,1315 | 2,9467 | 60 | 1,6707 | 2,0003 | 2,6603 |
16 | 1,7459 | 2,1199 | 2,9208 | 120 | 1,6577 | 1,9799 | 2,6174 |
17 | 1,7396 | 2,1098 | 2,8982 | 1,6449 | 1,9600 | 2,5758 |
Приложение 2
Решение типовых заданий.
Тема 1. Парная линейная регрессия.
|
|
1. Рассчитайте оценки параметров парной линейной регрессии, где у – расходы на покупку продовольственных товаров, % к общему объему расходов, а х – среднемесячная заработная плата 1 работника, тыс. руб.
Параметры а и b линейной регрессии рассчитываются в результате решения системы нормальных уравнений относительно а и b:
По исходным данным рассчитаем .
Система нормальных уравнений составит:
Решаем ее методом определителей: определитель системы ∆ равен:
,
,
,
Получаем уравнение регрессии: .
Этот же результат можно получить, используя следующие формулы для нахождения параметров:
, ,
где - дисперсия по факторному признаку.
Таблица 1. – Расчетные данные
Номер региона | х | у | ху | у- | ||||||||
1 | 4,5 | 68,8 | 309,6 | 20,25 | 4733,44 | 67,1 | 1,7 | 2,97 | 121,629 | 86,583 | 2,84 | 2,47 |
2 | 5,9 | 58,3 | 343,97 | 34,81 | 3398,89 | 59,3 | -1,0 | 1,10 | 0,279 | 2,487 | 0,08 | 1,72 |
3 | 5,7 | 62,6 | 356,82 | 32,49 | 3918,76 | 60,4 | 2,2 | 4,61 | 23,315 | 7,189 | 0,24 | 0,51 |
4 | 7,2 | 52,1 | 375,12 | 51,84 | 2714,41 | 52,2 | -0,1 | 0,01 | 32,165 | 31,346 | 1,03 | 0,19 |
5 | 6,2 | 54,5 | 337,9 | 38,44 | 2970,25 | 57,7 | -3,2 | 10,19 | 10,702 | 0,006 | 0,00 | 5,87 |
6 | 6 | 57,1 | 342,6 | 36 | 3260,41 | 58,8 | -1,7 | 2,88 | 0,451 | 1,051 | 0,03 | 2,98 |
7 | 7,8 | 51 | 397,8 | 60,84 | 2601,00 | 48,9 | 2,1 | 4,58 | 45,852 | 79,399 | 2,61 | 4,12 |
Сумма | 43,3 | 404,4 | 2463,81 | 274,67 | 23597,16 | 404,4 | 0 | 26,33 | 234,39 | 208,06 | 6,83 | 20,86 |
Среднее значение | 6,186 | 57,77 | 351,97 | 39,24 | 3371,02 | - | - | - | - | - | - | - |
|
|
Однако, оперируя средними величинами, мы можем столкнуться с ошибками округления. Действительно, . Соответственно не совпадает и величина параметра , т.е.
При решении с помощью компьютера уравнение регрессии составило: .
Величина коэффициента регрессии означает, что с ростом заработной платы на 1 тыс. руб. доля расходов на покупку продовольственных товаров снижается в среднем на 5.5 % - х пункта.
1. Оцените тесноту связи между признаками.
Линейное уравнение регрессии дополняется расчетом линейного коэффициента корреляции:
или .
Так как то , что означает тесную обратную связь рассматриваемых признаков.
2. Рассчитайте коэффициент детерминации.
Коэффициент детерминации составит: , т.е. вариация у на 88,8 % объясняется вариацией х. На долю прочих факторов, не учитываемых в регрессии, приходится 11,2 %.
3. Проверьте значимость оценки коэффициента регрессии с помощью критерия Стьюдента при уровне значимости α=0,05.
Оценку статистической значимости коэффициента регрессии проведем с помощью t - критерия Стьюдента.
Выдвигаем две гипотезы:
Н0 – коэффициент регрессии является статистически незначимым, т.е. b=0;
Н1 – коэффициент регрессии статистически значим, т.е. b≠0.
Определим стандартную ошибку для коэффициента регрессии mb:
.
Далее вычисляем значения t – критерия Стьюдента:
.
Фактическое значение t – критерии превосходит табличное значение на 5 %-м уровне значимости при числе степеней свободы =5: tтабл = 2,57. Поэтому гипотеза Н0 отклоняется, т.е. b отличается от нуля не случайно и коэффициент регрессии является статистически значимым.
4. Постройте доверительный интервал для коэффициента регрессии.
Рассчитаем доверительный интервал для коэффициента регрессии, для чего определим предельную ошибку для параметра b.
.
Доверительные интервалы: , т.е.
Анализ верхней и нижней границ доверительного интервала приводит к выводу о том, что с вероятностью 95% коэффициент регрессии, находясь в указанных границах, не принимает нулевых значение, т.е. не является статистически незначимым и существенно отличен от нуля.
5. Составить таблицу дисперсионного анализа.
Результаты дисперсионного анализа приведены в таблице 2.
Таблица 2. – Таблица дисперсионного анализа
Вариация результата | Число степеней свободы | Сумма квадратов отклонений | Дисперсия на одну степень свободы | F - критерий | |
факт. | табл. | ||||
Общая | 6 | 234,39 |
|
|
|
Факторная | 1 | 208,06 | 208,06 | 39,5 | 6,61 |
Остаточная | 5 | 26,33 | 5,27 |
|
|
6. Оцените с помощью F – критерия Фишера-Снедекора значимость уравнения линейной регрессии.
В силу того, что Fфакт=39,5> Fтабл=6,61, гипотеза о случайности различий факторной и остаточной дисперсий отклоняется. Эти различия существенны, статистически значимы, уравнение значимо, показатель тесноты связи надежен и отражает устойчивую зависимость расходов на покупку продовольственных товаров от среднемесячной заработной платы.
8. Рассчитайте, каковы будут расходы на покупку продовольственных товаров, если среднемесячная заработная плата составит 8 тыс. руб.
Полученные оценки уравнения регрессии позволяют использовать его для прогноза. Если примем прогнозное значение среднемесячной заработной платы х=8, то точечный прогноз расходов составит: % - х пункта.
Чтобы получить интервальный прогноз, найдем стандартную ошибку предсказываемого значения расходов .
;
где - стандартная ошибка регрессии.
Предельная ошибка прогнозируемого расхода составит:
.
Доверительный интервал прогнозируемого расхода составит:
,
т.е. при среднемесячной заработной плате, равной 8 тыс. руб., расходы на покупку продовольственных товаров составят не меньше чем
% - х пункта
и не больше чем
% - х пункта.
9. Рассчитайте средний коэффициент эластичности.
Средний коэффициент эластичности для линейной регрессии рассчитывается по формуле:
.
Таким образом, получаем, что с ростом среднемесячной заработной платы на 1 % расходы на покупку продовольственных товаров снижаются на 4,14 %.
10. Определить среднюю ошибку аппроксимации.
Средняя ошибка аппроксимации находится как средняя арифметическая простая из индивидуальных ошибок:
,
(см. последнюю графу расчетной таблицы 1).
Ошибка аппроксимации показывает хорошее соответствие расчетных и фактических данных: среднее отклонение составляет 2,98 %.
Тема 2. Нелинейная регрессия
1. Рассчитать параметры следующих функций:
- степенной;
- равносторонней гиперболы;
- показательной.
2. Найти показатели тесноты связи по каждой модели.
3. Оценить каждую модель через показатель детерминации, F – критерий Фишера, ошибку аппроксимации и выбрать наилучшую из них.
Регрессия в виде степенной функции имеет вид: .
Для оценки параметров модели линеаризуем модель путем логарифмирования:
.
Обозначим . Тогда получим: . Для расчетов составим таблицу 3.
Таблица 3.
Номер региона | X | Y | ХY | ||||||
1 | 1,504 | 4,231 | 6,364 | 2,262 | 17,901 | 4,228 | 68,6 | 0,04 | 0,29 |
2 | 1,775 | 4,066 | 7,217 | 3,151 | 16,532 | 4,071 | 58,6 | 0,09 | 0,51 |
3 | 1,740 | 4,137 | 7,198 | 3,029 | 17,115 | 4,092 | 59,9 | 7,29 | 4,31 |
4 | 1,974 | 3,953 | 7,803 | 3,897 | 15,626 | 3,957 | 52,3 | 0,04 | 0,38 |
5 | 1,825 | 3,948 | 7,296 | 3,329 | 15,984 | 4,042 | 56,9 | 5,76 | 4,40 |
6 | 1,792 | 4,045 | 7,249 | 3,211 | 16,362 | 4,062 | 58,1 | 1,00 | 1,75 |
7 | 2,054 | 3,932 | 8,076 | 4,219 | 15,461 | 3,910 | 49,9 | 1,21 | 2,16 |
Сумма | 12,664 | 28,362 | 51,203 | 23,098 | 114,98 | 28,362 | 404,3 | 15,43 | 13,80 |
Среднее значение | 1,809 | 4,052 | 7,315 | 3,300 | 16,426 | - | - | - | - |
Запишем систему нормальных уравнений:
.
Отсюда , ; ,
Получаем уравнение регрессии: .
Выполнив потенцирование, получим:
.
Параметр означает коэффициент эластичности, который показывает, что с ростом зарплаты на 1 % доля расходов на продовольствие снижается на 0,58 %.
Теоретические значения зависимой переменной получим, подставив в уравнение значения х и потенцируя значения . В таблице 3. представлены и .
Показателем тесноты связи выступает индекс корреляции:
.
Величина представлена в таблице 3: .
.
В результате имеем:
.
Коэффициент детерминации равен: , т.е. 93,93 % вариации у объясняется вариацией х, на долю прочих факторов приходится 6,07 %.
F – критерий Фишера составит:
.
Эта величина превышает табличное значение на 5 %-м уровне значимости (Fтабл=6,61). Следовательно, найденное уравнение регрессии статистически значимо.
Для расчета средней ошибки аппроксимации воспользуемся последней графой таблицы 3.
т.е. среднее отклонение фактических и расчетных значений у составляет 2 %, что свидетельствует о хорошем качестве модели.
Регрессия в виде показательной функции имеет вид: .
Для оценки параметров модели линеаризуем модель путем логарифмирования:
.
Обозначим . Тогда получим: . Для расчетов составим таблицу 4.
Таблица 4.
Номер региона | х | Y | xY | y- | (y- )2 | (y- )2 | ||||
1 | 4,5 | 4,23 | 19,04 | 20,25 | 4,21 | 67,35 | 1,45 | 2,11 | 121,63 | 2,111464 |
2 | 5,9 | 4,07 | 23,99 | 34,81 | 4,08 | 59,06 | -0,76 | 0,57 | 0,28 | 1,296827 |
3 | 5,7 | 4,14 | 23,58 | 32,49 | 4,10 | 60,17 | 2,43 | 5,88 | 23,32 | 3,873993 |
4 | 7,2 | 3,95 | 28,46 | 51,84 | 3,96 | 52,27 | -0,17 | 0,03 | 32,17 | 0,33356 |
5 | 6,2 | 4,00 | 24,79 | 38,44 | 4,05 | 57,42 | -2,92 | 8,51 | 10,70 | 5,351722 |
6 | 6 | 4,04 | 24,27 | 36 | 4,07 | 58,50 | -1,40 | 1,97 | 0,45 | 2,459651 |
7 | 7,8 | 3,93 | 30,67 | 60,84 | 3,90 | 49,41 | 1,59 | 2,52 | 45,85 | 3,113949 |
Сумма | 43,3 | 28,36 | 174,80 | 274,67 | 28,36 | 404,19 | 0 | 21,60 | 234,39 | 18,54 |
Средняя | 6,19 | 4,05 | 24,97 | 39,24 |
|
|
|
|
|
Запишем систему нормальных уравнений:
.
В результате:
Получаем уравнение регрессии: . Теперь потенцируем оба параметра, чтобы получить уравнение регрессии в форме показательной кривой:
.
Теоретические значения зависимой переменной получим, подставив в уравнение значения х и потенцируя значения . В таблице 4. представлены и .
Показателем тесноты связи выступает индекс корреляции:
.
Величина представлена в таблице 4: .
.
В результате имеем:
.
Коэффициент детерминации равен: , т.е. 90,24 % вариации у объясняется вариацией х, на долю прочих факторов приходится 9,76 %.
F – критерий Фишера составит:
.
Эта величина превышает табличное значение на 5 %-м уровне значимости (Fтабл=6,61). Следовательно, найденное уравнение регрессии статистически значимо.
Для расчета средней ошибки аппроксимации воспользуемся последней графой таблицы 4.
т.е. соответствие фактических и расчетных значений зависимой переменной хорошее и соответственно хорошее качество модели.
Регрессия в виде равносторонней гиперболы имеет вид: .
Чтобы оценить параметры уравнения приведем модель к линейному виду, заменив . Тогда . Применяя МНК, получаем систему нормальных уравнений:
Для расчета параметров составим таблицу 5.
Таблица 5.
Номер региона | у | yz | ||||||
1 | 68,8 | 0,222 | 15,289 | 0,049 | 69,9 | -1,1 | 1,21 | 1,60 |
2 | 58,3 | 0,170 | 9,881 | 0,029 | 58,5 | -0,2 | 0,04 | 0,34 |
3 | 62,6 | 0,175 | 10,983 | 0,031 | 59,8 | 2,8 | 7,84 | 4,47 |
4 | 52,1 | 0,139 | 7,236 | 0,019 | 51,9 | 0,1 | 0,01 | 0,19 |
5 | 54,5 | 0,161 | 8,790 | 0,026 | 56,7 | -2,2 | 4,84 | 4,04 |
6 | 57,1 | 0,167 | 9,517 | 0,028 | 57,9 | -0,8 | 0,64 | 1,40 |
7 | 51,0 | 0,128 | 6,538 | 0,016 | 49,6 | 1,4 | 1,96 | 2,75 |
Сумма | 404,4 | 1,162 | 68,234 | 0,198 | 404,4 | 0 | 16,54 | 14,79 |
Запишем систему нормальных уравнений:
.
Отсюда , ; ,
Получаем уравнение регрессии: .
Показателем тесноты связи выступает индекс корреляции:
.
Величина представлена в таблице 5: .
.
В результате имеем:
.
Коэффициент детерминации равен: , т.е. 92,94 % вариации у объясняется вариацией х, на долю прочих факторов приходится 7,06 %.
F – критерий Фишера составит:
.
Эта величина превышает табличное значение на 5 %-м уровне значимости (Fтабл=6,61). Следовательно, найденное уравнение регрессии статистически значимо.
Для расчета средней ошибки аппроксимации воспользуемся последней графой таблицы 5.
т.е. среднее отклонение фактических и расчетных значений у составляет 2 %, что свидетельствует о хорошем качестве модели.
Выберем наилучшую модель, для чего объединим результаты построения парных регрессий в одну таблицу.
Таблица 6. - Сводная таблица построенных уравнений
Уравнение регрессии | Коэффициент детерминации | F – критерий Фишера | Средняя ошибка аппроксимации, % |
0,9393 | 77,4 | 1,97 | |
0,9024 | 46,24 | 2,65 | |
0,9294 | 65,8 | 2,11 |
Все уравнения регрессии достаточно хорошо описывают исходные данные. Некоторое предпочтение можно отдать степенной функции, для которой значение коэффициента детерминации наибольшее, а ошибка аппроксимации – наименьшая.
Дата добавления: 2021-03-18; просмотров: 107; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!