Содержание
- 2. Уравнение регрессии Уравнение регрессии имеет вид: Y = φ(X) + ε, где Y - результирующий признак
- 3. В зависимости от типа выбранной функции Для оценки неизвестных параметров b0, b1, …, bp используется метод
- 4. Парная линейная регрессионная модель yx = ax + b a – коэффициент регрессии (показатель наклона линии
- 5. Для проведения регрессионного анализа: Построить график исходных данных, приближенно определить характер зависимости; Выбрать вид функции регрессии
- 6. Построим график исходных данных Построенные точки не находятся точно на линии: помимо расстояния на время поставки
- 7. 2. Вычислим коэффициенты модели с помощью МНК Искомая регрессионная зависимость имеет вид:
- 8. 3. Оценим силу регрессионной зависимости Таким образом, линейная модель объясняет 92% вариации времени поставки, что означает
- 9. График полученного уравнения
- 10. Регрессионный анализ с использованием возможностей MS Office Excel Окно надстройки анализа данных «Регрессия»
- 11. Результаты регрессионного анализа в MS Office Excel R-квадрат – соответствует коэффициенту детерминации R2 Множественный R –
- 12. Вывод остатков При помощи этой части отчета мы можем видеть отклонения каждой точки от построенной линии
- 14. Скачать презентацию