- •26.10.2007 Г., протокол № 2
- •Введение
- •Глава 1 элементы математической статистики
- •1.2. Генеральная совокупность и выборка
- •1.2. Обработка вариационного ряда
- •Группировка вариант в классы при дискретной изменчивости признака
- •1.3. Показатели описательной статистики
- •Форма записи и расчета среднеквадратического отклонения
- •Сравнительная оценка состава работников предприятия
- •1.4. Оценка статистических параметров по выборочным данным
- •1.5. Теоретические функции распределения
- •1.6. Статистические критерии различия
- •Форма обработки вариант в независимых совокупностях
- •Форма обработки данных сопряженных наблюдений
- •Сравнение эмпирических и теоретических частот с использованием критерия Пирсона
- •Глава 2 дисперсионный анализ
- •2.1. Однофакторный дисперсионный анализ
- •Однофакторный дисперсионный анализ
- •Результаты однофакторного дисперсионного анализа
- •2.2. Двухфакторный дисперсионный анализ
- •Двухфакторный дисперсионный комплекс
- •Результаты двухфакторного дисперсионного анализа
- •Глава 3 кластерный анализ
- •Число разбиений в зависимости от их заданной доли и вероятности
- •Число разбиений в зависимости от сочетаний числа кластеров и объектов
- •3.1. Этапы работ в кластерном анализе
- •3.2. Вроцлавская таксономия
- •3.3. Метод дендро-дерева б. Берри
- •Количественные показатели для зонирования города
- •Нормализованные безразмерные данные
- •Глава 4 информационный анализ
- •4.1. Показатели неопределенности объектов
- •Расчет показателя энтропии для установления оптимального времени отбора образцов
- •4.2. Применение информационного анализа в картографии
- •Глава 5 корреляционный анализ
- •5.1. Линейная корреляция
- •Исходные данные для расчета коэффициента корреляции
- •5.2. Нелинейная корреляция
- •Исходные данные по упругости водяного пара
- •5.3. Частная (парциальная) корреляция
- •Исходные данные для расчета коэффициентов частной корреляции
- •5.4. Понятие о множественной корреляции
- •5.5. Оценка различий коэффициентов корреляции
- •5.6. Ранговая корреляция
- •Оценка ландшафта для рекреационной цели
- •Расчет рангового коэффициента корреляции
- •Глава 6 регрессионный анализ
- •6.1. Линейная зависимость
- •Расчет данных для уравнения линейной зависимости
- •Расчет данных для определения точности выравнивания линии
- •6.2. Гиперболическая зависимость
- •Расчет данных для уравнения линейной зависимости
- •6.3. Параболическая зависимость
- •Расчет данных для уравнения параболической зависимости
- •6.4. Множественная регрессия
- •Расчет данных для уравнения линейной множественной регрессии
- •Расчет данных для критерия хи-квадрат
- •Глава 7 факторный анализ
- •7.1. Сущность и возможности применения
- •7.2. Последовательность операций
- •Редуцированная корреляционная матрица Rx
- •Квадрат корреляционной матрицы
- •Показатели четвертой и восьмой степени корреляционной матрицы
- •Квадрат корреляционной матрицы
- •Матрица произведений
- •Матрица первых остаточных коэффициентов корреляции r1
- •Вычисление коэффициентов при факторе f2
- •Глава 8 методы линейного программирования
- •8.1. Составные части общей модели линейного программирования
- •8.2. Распределительная модель линейного программирования
- •8.3. Правила работы с матрицей
- •Допустимые планы перевозок грузов
- •8.4. Метод потенциалов
- •8.5. Дельта-метод Аганбегяна
- •8.6. Модификация моделей транспортных задач
- •8.6.1.Открытая транспортная задача
- •8.6.2. Максимизация целевой функции
- •8.6.3. Ограничения по времени транспортировки продукции
- •Учет времени перевозки продукции
- •8.6.3. Транспортно-производственная задача
- •8.6.4. Многоэтапная транспортная задача
- •8.6.5. Многопродуктовая транспортная задача
- •8.6.6. Лямбда-задача
- •Глава 9 методы теории графов
- •9.1. Элементы теории графов
- •9.2. Топологический анализ сетей
- •9.3. Сетевые постановки транспортных задач
- •9.4. Сетевая постановка открытой транспортной задачи
- •9.5. Транспортно-производственная задача
- •9.6. Классификация с использованием графов
- •Глава 10 динамические ряды
- •10.1. Показатели динамического ряда
- •10.2. Сглаживание динамических рядов
- •10.3. Выравнивание по способу наименьших квадратов
- •Глава 11 математическое моделирование в географии
- •11.1. Математическое моделирование природных и общественных процессов
- •Глава 12 географическое поле
- •12.1. Операции над статистическими поверхностями
- •12.2. Методика составления карт изокоррелят
- •Литература Основная
- •Дополнительная
- •Приложения
- •1. Таблица достаточно больших чисел
- •2. Случайные числа
- •3. Значение критерия τ в зависимости от объема выборки n
- •4. Значения критерия Стьюдента t при различных уровнях значимости
- •6. Значения критерия хи-квадрат (Пирсона)
- •5. Критические значения f (критерия Фишера)
- •7. Минимальные существенные значения коэффициентов корреляции
- •8. Соотношение между r и z' для z' значений от 0 до 5*
- •9. Значения коэффициента корреляции рангов Спирмена для двусторонних пределов уровня значимости α
- •10. Алгоритм вычисление основных показателей описательной статистики и критерия Стьюдента в Microsoft Office Excel 2003
- •11. Алгоритм проведения однофакторного дисперсионного анализа в Microsoft Office Excel 2003
- •12. Алгоритм проведения корреляционного и регрессионного анализов в Microsoft Office Excel 2003
- •13. Алгоритм проведения кластерного анализа в Statsoft Statistica 6.0
- •14. Алгоритм проведения факторного анализа в Statsoft Statistica 6.0
- •15. Решение задачи на оптимальность
- •Оглавление
Расчет данных для определения точности выравнивания линии
y |
α-отклонения |
β-отклонения |
|||
yф |
yв |
уф – Мф |
(уф – Мф)2 |
уф – ув |
(уф – ув)2 |
18 |
27,8 |
–42 |
1764 |
–9,8 |
96,04 |
48 |
30,1 |
–12 |
144 |
17,9 |
320,41 |
42 |
34,7 |
–18 |
324 |
7,3 |
53,29 |
31 |
41,6 |
29 |
841 |
–10,6 |
112,36 |
56 |
60,0 |
–4 |
16 |
–4,0 |
16,00 |
84 |
76,1 |
24 |
576 |
7,9 |
62,41 |
56 |
76,1 |
–4 |
16 |
–20,1 |
404,01 |
68 |
78,4 |
4 |
16 |
–10,4 |
108,16 |
90 |
87,6 |
30 |
900 |
2,4 |
5,76 |
107 |
87,6 |
47 |
2209 |
19,4 |
376,36 |
Мф=60 |
|
|
Σ 6806 |
|
Σ 1554,80 |
Ошибку уравнения регрессии можно определить по формуле
,
где п – число точек линии регрессии (см. рис. 6.2); k — число коэффициентов в уравнении регрессии (два плюс свободный член уравнения).
6.2. Гиперболическая зависимость
При проведении исследований может быть установлена нелинейная зависимость между аргументом и функцией, представляющая собой на графике кривую в виде гиперболы. Общее уравнение регрессии для гиперболической зависимости имеет вид
y = a/x + b (6.5)
где х – аргумент; у – функция; а и b – коэффициенты, величину которых следует установить.
Расчет сводится к следующему. Чтобы установить вид зависимости между функцией и аргументом, по исходным данным строится график. Затем при вычислении параметров а и b по способу координат точек подбираются две точки, расположенные на кривой или около нее по методу, описанному для линейной регрессии (см. п. 6.1). Для этих же параметров по способу наименьших квадратов используется система уравнений
(6.6)
Эта система получена в результате умножения на х и х2 исходных уравнений по х и у:
Пример. Установим зависимость между температурой воздуха в июле (х, °С) и относительной влажностью воздуха (y, %) по следующим исходным данным:
xi |
14,7 |
14,9 |
15,3 |
15,6 |
16,0 |
16,7 |
yi |
80 |
78 |
76 |
75 |
74 |
73,7 |
При построении графика видно, что зависимость между функцией и аргументом гиперболическая, поэтому используем общее уравнение гиперболы. Для расчета параметров а и b по способу координат точек используем данные первой и шестой пары наблюдений: х1 = 14,7, y1 = 80; xв = 16,7, yв = 73,7. Подставляем эти данные в общее уравнение (6.5), предварительно преобразовав его: ху = а + bх. Получим систему уравнений
Решаем систему относительно а и b : a = 773,22; b = 27,4. В результате конкретное уравнение регрессии для гиперболической зависимости по способу координат точек будет иметь вид y = 773,22/x + 27,4; η0,99 = 0,84.
Для установления параметров а и 6 по способу наименьших квадратов по уравнению (6.6) предварительно проводим соответствующие вычисления (табл. 6.3). Полученные данные подставляем в уравнение (6.6):
Делим первое уравнение на 6, второе уравнение – на 93,2 и освобождаемся от коэффициентов при неизвестном а. Затем вычитаем второе уравнение из первого и определяем b. Подставив значение b в одно из уравнений, вычисляем а. Искомое уравнение регрессии примет вид y = 484597,4/x – 31280; η0,95 = 0,84.
Коэффициент точности выравнивания линии r1 по формуле (6.4) рассчитываем таким же образом, как в п. 6.1.
Таблица 6.3
