Главная страница
Навигация по странице:

  • Метод наименьших квадратов Метод наименьших квадратов — эффективный и простой способ получения оценок коэффициентов регрессии.

  • Метод наименьших квадратов является частью регрессионного анализа при проверке статистических гипотез. При этом должны выполняться следующие постулаты

  • Проверка адекватности модели Адекватность модели оценивается остаточной дисперсией или дисперсией адекватности.

  • Проверка адекватности модели Для проверки гипотезы об адекватности используется F-критерий Фишера, который уже применялся для сравнения двух дисперсий

  • Проверка адекватности модели Таблица 12

  • Проверка значимости каждого коэффициента проводится независимо. Прежде всего надо найти дисперсию коэффициента регрессии S2bj. Она определяется по формуле

  • Затем необходимо построить доверительный интервал Δbj, Δbj = ± t S2bj.

  • Sbj. — квадратичная ошибка коэффициента регрессии.

  • Таблица 13 Значения t -критерия Стьюдента при 5%-ном уровне значимости Обработка результатов эксперимента проводится по следующему плану.

  • Обработка результатов эксперимента. Обработка результатов эксперимента метод наименьших квадратов


    Скачать 334.87 Kb.
    НазваниеОбработка результатов эксперимента метод наименьших квадратов
    АнкорОбработка результатов эксперимента
    Дата24.05.2022
    Размер334.87 Kb.
    Формат файлаpptx
    Имя файлаOBRABOTKA_REZUL_TATOV_EKSPERIMENTA.pptx
    ТипДокументы
    #548108
    ОБРАБОТКА РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТА
    Метод наименьших квадратов
    Метод наименьших квадратов — эффективный и простой способ получения оценок коэффициентов регрессии.
    Для любого числа факторов коэффициенты регрессии будут вычисляться по формуле
    где j= 0,1,2,...,k - номера факторов.
    Метод наименьших квадратов
    Метод наименьших квадратов является частью регрессионного анализа при проверке статистических гипотез.
    При этом должны выполняться следующие постулаты:
    Проверка адекватности модели
    Адекватность модели оценивается остаточной дисперсией или дисперсией адекватности.
    Дисперсия адекватности - это остаточная сумма квадратов, деленная на число степеней свободы
    где f - число степеней свободы, равное разности между числом опытов и количеством коэффициентов, которые уже вычислены по результатам этих опытов независимо друг от друга f = N – (k + 1) .
    Проверка адекватности модели
    Для проверки гипотезы об адекватности используется F-критерий Фишера, который уже применялся для сравнения двух дисперсий
    Расчетное значение сравнивается с табличным. Если расчетное значение не превышает табличного, с соответствующей доверительной вероятностью модель можно считать адекватной. Фрагмент соответствующей таблицы приведен дальше (таблица 12). Проверка адекватности модели
    Таблица 12
    Значения F-критерия Фишера при 5%-ном уровне значимости
    Проверка значимости каждого коэффициента проводится независимо. Прежде всего надо найти дисперсию коэффициента регрессии S2bj.
    Она определяется по формуле
    Затем необходимо построить доверительный интервал Δbj, Δbj = ± t S2bj.,
    где t — табличное значение критерия Стьюдента при числе степеней свободы, с которыми определялась S2bj., и выбранном уровне значимости (обычно 0,05).
    f = N (n – 1).
    Sbj. — квадратичная ошибка коэффициента регрессии.
    Коэффициент значим, если абсолютная величина больше доверительного интервала. Доверительный интервал задается верхней и нижней границами
    bj + Δbj и bj - Δbj
    Значение t -критерия выбирается из таблицы 13. Столбцы таблицы соответствуют различным степеням свободы и значениям критерия. Чем уже доверительный интервал (при заданном α), тем больше значимость коэффициента. Существует рабочее правило: если абсолютная величина коэффициента больше, чем доверительный интервал, то коэффициент значим.
    Таблица 13
    Значения t -критерия Стьюдента при 5%-ном уровне значимости
    Обработка результатов эксперимента проводится по следующему плану.
    • Оценка дисперсий среднего арифметического в каждой строке матрицы.
    • Проверка однородности дисперсий с помощью критерия Кохрена.
    • Если дисперсии однородны, то проводится расчет оценки дисперсии воспроизводимости.
    • Определение коэффициентов регрессии.
    • Проверка адекватности модели.
    • Проверка значимости коэффициентов регрессии.
    Спасибо за внимание!


    написать администратору сайта