- •Нормальное распределение
- •Данные варианта №15
- •Множественный регрессионный анализ
- •Данных из файла 13_lin_mra.Txt
- •Группирование данных файла 15_lin_mra.Txt
- •Матрицы а и к
- •Матрица k-1
- •Матрица в
- •Коэффициенты полного квадратичного уравнения регрессии
- •Проверим на значимость найденные коэффициенты уравнения регрессии и откинем незначимые слагаемые. Пересчитаем коэффициент множественной корреляции r2.
- •Проверка коэффициентов регрессии на значимость
- •Коэффициенты оптимизированного уравнения регрессии
- •Расчет средних значений
Расчет средних значений
|
1,615407 |
1,076938 |
0,538469 |
0 |
-0,538469 |
-1,076938 |
-1,615407 |
4,558759 |
39,16610756 |
27,73259713 |
10,02066463 |
-13,93949919 |
-44,15083019 |
-80,63445844 |
-123,3749904 |
2,27938 |
1,523605813 |
2,584123625 |
0,496672188 |
-4,709417125 |
-13,05941763 |
-24,51259813 |
-39,11840019 |
0 |
4,518889563 |
4,504567563 |
4,512867313 |
4,519382688 |
4,508719875 |
4,50380775 |
4,510356688 |
-2,27938 |
48,14869863 |
33,54506244 |
22,07034256 |
13,74117463 |
8,515436063 |
6,45676425 |
7,5040575 |
-4,558759 |
132,4014824 |
89,66581331 |
53,18235256 |
22,95838588 |
-0,994308063 |
-18,69593188 |
-30,142661 |
Для коэффициентов уравнения регрессии, найденных ранее (таблица 21) составим таблицу, в которую запишем значения , найденные по уравнению регрессии с этими коэффициентами (таблица 22).
Таблица 21
Aабс |
|||||
0,000156 |
0,001395 |
8,04E-06 |
-4,04682 |
3,210162 |
4,510566 |
|
|
|
|
|
|
X1^2 |
X2^2 |
X1*X2 |
X1 |
X2 |
A0 |
Таблица 22
|
1,615407 |
1,076938 |
0,538469 |
0 |
-0,53847 |
-1,07694 |
-1,61541 |
4,558759 |
-8,74523 |
-10,4759 |
-12,2057 |
-13,9347 |
-15,6628 |
-17,3902 |
-19,1168 |
2,27938 |
0,476531 |
-1,25408 |
-2,98387 |
-4,71286 |
-6,44104 |
-8,16841 |
-9,89497 |
0 |
9,699926 |
7,96933 |
6,239543 |
4,510566 |
2,782397 |
1,055038 |
-0,67151 |
-2,27938 |
18,92495 |
17,19436 |
15,46458 |
13,73562 |
12,00746 |
10,28011 |
8,553569 |
-4,55876 |
28,15159 |
26,42101 |
24,69125 |
22,96229 |
21,23414 |
19,5068 |
17,78027 |
Строим поверхности y = f(x1, x2) и = f(x1, x2) по данным таблиц 20 и 22 соответственно. Поверхности y = f(x1, x2) и = f(x1, x2) изображены на рисунках 4 и 5 соответственно.
Рисунок
4. Поверхность y
= f(x1,
x2)
Рисунок 5. Поверхность = f(x1, x2)
