
- •Цель работы
- •Этапы и требования к выполнению разделов работы
- •Основные задачи
- •Исходные данные
- •Представить
- •Список рекомендуемой литературы
- •Введение
- •Расчет параметров уравнений линейной и нелинейной парной регрессии.
- •Расчет параметров линейной парной регрессии
- •Расчет параметров степенной парной регрессии
- •Расчет параметров показательной парной регрессии
- •Дисперсионный анализ линейной и степенной регрессии
- •Оценка тесноты связи расходов на железнодорожные перевозки и длины дороги с помощью показателей корреляции и детерминации
- •Оценка ошибки аппроксимации уравнений регрессии
- •Сравнительная оценка силы связи длины дороги с расходом с помощью среднего коэффициента эластичности
- •Оценка статистической надежности результатов линейного регрессионного моделирования
- •3.7.Расчет прогнозного значения расходов на железнодорожные перевозки по линейной модели при увеличении длины дороги
- •Реализация решенных задач на компьютере
Расчет параметров уравнений линейной и нелинейной парной регрессии.
Расчет параметров линейной парной регрессии
Парная линейная регрессия имеет вид:
ŷx = a + b · x,
где ŷx – результативный признак, характеризующий теоретический пассажирооборот железнодорожных перевозок;
x – фактор (длина железной дороги);
a, b – параметры, подлежащие определению.
Построение уравнения регрессии сводится к оценке ее параметров. Для оценки параметров регрессии используется метод наименьших квадратов. Он позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака (пассажирооборот железнодорожных перевозок) y от теоретических ŷx будет минимальной. В этом случае для определения параметров a и b линейной регрессии необходимо решить следующую систему уравнений:
n·a + b(x1 + x2 + ...... + x16) = y1 + y2 + .... + y16
a(x1 + x2 + ... + x16) + b(x12 + x22 + ... + x162) = y1x1+ y2x2+ ...+ y16x16.
С учетом обозначений
=
(y1
+ y2
+ .... +
y16)/16;
=
(x1
+ x2
+ ...... + x16)/16;
= (y1x1+
y2x2+
.....+ y16
x16)/16;
=
(x12
+ x22
+ ...... + x16)/16;
Sx2
=
–
2
значения параметров линейной регрессии вычисляются по формулам:
b = ( - )/ Sx2 = (72561475,7500–
10622,5000* 5379,5625)/ 4801346,9961= 3,2110
a = - b = 10622,5000- 3,2110* 5379,5625= -6651,2168
На основании исходных данных выполнены расчеты сумм приведенной системы уравнений, теоретических значений функции регрессии, разности функции регрессии и опытных значений, а так же ошибки аппроксимации, которые представлены в таблице 2.1
Таблица 2.1
№ |
|
|
|
|
|
|
|
1 |
10147 |
20653 |
209565991 |
102961609 |
426546409 |
25930,6901 |
5277,6901 |
2 |
9177 |
39063 |
358481151 |
84217329 |
1525917969 |
22816,0306 |
16246,9694 |
3 |
7167 |
14188 |
101685396 |
51365889 |
201299344 |
16361,9424 |
2173,9424 |
4 |
6499 |
9307 |
60486193 |
42237001 |
86620249 |
14217,0017 |
4910,0017 |
5 |
6061 |
12544 |
76029184 |
36735721 |
157351936 |
12810,5884 |
-266,5884 |
6 |
6031 |
4105 |
24757255 |
36372961 |
16851025 |
12714,2587 |
8609,2587 |
7 |
6004 |
9472 |
56869888 |
36048016 |
89718784 |
12627,5620 |
3155,5620 |
8 |
5747 |
13252 |
72541448 |
29964676 |
175615504 |
10925,7378 |
2326,2622 |
9 |
4846 |
10212 |
49487352 |
23483716 |
104284944 |
8909,2366 |
1302,7634 |
10 |
4807 |
7149 |
34365243 |
23107249 |
51108201 |
8784,0080 |
1635,0080 |
11 |
4308 |
10428 |
44923824 |
18558864 |
108743184 |
7181,7244 |
3246,2756 |
12 |
4203 |
4757 |
19993671 |
17665209 |
22629049 |
6844,5706 |
2087,5706 |
13 |
3824 |
6504 |
24871296 |
14622976 |
42302016 |
5627,6057 |
876,3943 |
14 |
3407 |
4547 |
15491629 |
11607649 |
20675209 |
4288,6232 |
258,3768 |
15 |
3161 |
3547 |
11212067 |
9991921 |
12581209 |
3498,7199 |
48,2801 |
16 |
957 |
232 |
222024 |
915849 |
53824 |
-3578,3002 |
3810,3002 |
17 |
662 |
- |
- |
- |
- |
- |
- |
Сумма |
86073 |
169960 |
1160983612 |
539856635 |
3042298856 |
169960 |
0 |
Ср. знач. |
5379,5625 |
10622,5000 |
72561475,7500 |
33741039,6875 |
190143678,5000 |
- |
- |
Sx2 , Sy2 |
4801346,9961 |
77306172,2500 |
- |
- |
- |
- |
- |
Sx, Sy |
2191,1976 |
8792,3929 |
- |
- |
- |
- |
- |
Тогда уравнение регрессии, являющееся линейной моделью пассажирооборота железнодорожных перевозок в зависимости от длины дороги примет вид:
ŷx = -6651,2168+ 3,2110· x