Mashkovsky_Lesnaya_biometria
.pdfТаблица 48. Вспомогательная таблица для вычисления коэффициентов регрессионного уравнения гиперболы
H |
|
D |
17,65 |
|
20,85 |
|
24,05 |
27,25 |
30,45 |
|
33,65 |
|
36,85 |
|
40,05 |
|
43,25 |
46,45 |
|
49,65 |
|
52,85 |
|
56,05 |
|
Сумма |
∑fj yj |
|
30,05 |
|
|
– |
|
– |
|
– |
1 |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
1 |
30,1 |
|
29,05 |
|
|
– |
|
– |
|
– |
1 |
1 |
|
– |
|
– |
|
– |
|
– |
– |
|
1 |
|
– |
|
– |
|
3 |
87,2 |
|
28,05 |
|
|
– |
|
– |
|
1 |
1 |
2 |
|
1 |
|
3 |
|
2 |
|
– |
1 |
|
2 |
|
1 |
|
– |
|
14 |
392,7 |
|
27,05 |
|
|
– |
|
– |
|
– |
1 |
3 |
|
4 |
|
5 |
|
3 |
|
4 |
2 |
|
– |
|
– |
|
2 |
|
24 |
649,2 |
|
26,05 |
|
|
– |
|
– |
|
1 |
7 |
4 |
|
13 |
|
10 |
|
3 |
|
4 |
– |
|
1 |
|
– |
|
– |
|
43 |
1120,2 |
|
25,05 |
|
|
– |
|
– |
|
1 |
7 |
7 |
|
12 |
|
2 |
|
1 |
|
1 |
– |
|
– |
|
1 |
|
– |
|
32 |
801,6 |
|
24,05 |
|
|
– |
|
– |
|
7 |
7 |
12 |
|
1 |
|
3 |
|
1 |
|
– |
– |
|
– |
|
– |
|
– |
|
31 |
745,6 |
|
23,05 |
|
|
– |
|
1 |
|
8 |
12 |
2 |
|
2 |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
25 |
576,3 |
|
22,05 |
|
|
– |
|
3 |
|
8 |
1 |
1 |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
13 |
286,7 |
|
21,05 |
|
|
– |
|
1 |
|
– |
1 |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
2 |
42,1 |
|
20,05 |
|
|
– |
|
4 |
|
1 |
– |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
5 |
100,3 |
|
19,05 |
|
|
1 |
|
2 |
|
1 |
– |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
4 |
76,2 |
|
18,05 |
|
|
– |
|
– |
|
1 |
– |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
1 |
18,1 |
|
17,05 |
|
|
2 |
|
– |
|
|
– |
– |
|
– |
|
– |
|
– |
|
– |
– |
|
– |
|
– |
|
– |
|
2 |
34,1 |
|
fx |
|
|
|
3 |
|
11 |
|
29 |
39 |
32 |
|
33 |
|
23 |
|
10 |
|
9 |
3 |
|
4 |
|
2 |
|
2 |
|
200 |
4960,4 |
∑ fi |
xi |
|
|
0,16 997 |
0,52 758 |
1,20 582 |
1,43 119 |
1,05 090 |
0,98 068 |
0,62 415 |
0,24 969 |
0,20 809 |
0,06 459 |
0,08 056 |
0,03 784 |
0,03 568 |
6,66 674 |
– |
||||||||||
∑ fi |
xi2 |
|
|
0,009 630 |
0,050 138 |
0,034 512 |
|
0,016 938 |
|
0,004 811 |
|
0,001 623 |
|
0,000 637 |
|
– |
||||||||||||
∑(fi, j y j ) |
xi |
|
0,025 303 |
0,052 521 |
|
0,029 144 |
|
0,006 234 |
0,001 390 |
|
0,000 716 |
|
0,233 597 |
|||||||||||||||
3,011 |
|
10,962 |
|
27,669 |
35,228 |
26,358 |
|
25,131 |
|
16,341 |
|
6,604 |
|
5,490 |
1,769 |
|
2,240 |
|
1,005 |
|
0,965 |
|
162,773 |
– |
||||
~ |
|
|
|
19,53 |
|
21,50 |
|
22,94 |
24,05 |
24,92 |
|
25,62 |
|
26,21 |
|
26,70 |
|
27,12 |
27,48 |
|
27,79 |
|
28,07 |
|
28,31 |
|
– |
– |
yi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
~ |
|
2 |
12,53 |
|
23,93 |
|
102,69 |
146,00 |
79,80 |
|
36,06 |
|
30,63 |
|
15,03 |
|
8,88 |
0,69 |
|
4,75 |
|
9,12 |
|
3,18 |
|
473,29 |
– |
∑fi, j (yj −yi ) |
|
|
|
|
|
|
|
|
|
|
|
212
Теперь вычтем первое уравнение системы (203) из второго
a1 0,001 705 = −0,386 |
(204) |
и выразим из полученного уравнения (204) коэффициент a1: a1 = 0,001− 0,386705 = −226,3.
Подставляя вычисленное значение коэффициента a1 в первое уравнение системы (203) и выразив из него коэффициент a0, получим
a0 = 24,802 − a1 0,033 334 = 24,802 + 226,3 0,033 334 = 32,35 .(205)
Таким образом, у нас получилась регрессионная модель зависимости высоты от диаметра деревьев в сосновом древостое
следующего вида: |
|
|
|
||
~ |
|
226,3 |
|
|
|
y |
= 32,35 − |
x |
|
, |
(206) |
или, используя другие обозначения |
|
||||
~ |
|
226,3 |
|
|
|
h |
= 32,35 − |
d |
. |
|
|
На рис. 30 изображено полученное регрессионное уравнение прямой линии.
213
Рис. 30. Зависимость между высотами и диаметрами деревьев в древостое (гипербола)
Проанализируем полученное уравнение. Для начала рассчитаем таблицу дисперсионного анализа (табл. 49). Число степеней свободы для суммы квадратов, обусловленной регрессией, в случае уравнения гиперболы равно 1, так как, помимо свободного члена, в нем есть только один коэффициент регрессии – a1. Общей скорректированной сумме квадратов соответствует число степеней свободы, на единицу меньшее общего количества наблюдений, т. е. 200 – 1 = 199. На сумму квадратов отклонений относительно регрессии остается 199 – 1 = 198 степеней свободы. Пользуясь полученным регрессионным уравнением
гиперболы (206), определим теоретические высоты ~ и сумму yi
квадратов отклонений эмпирических высот от теоретических (табл. 48). Это значение 473,29 является суммой квадратов отклонений относительно регрессии, или остатком (табл. 49). Общая скорректированная сумма квадратов отклонений – это сумма квадратов отклонений всех высот от средней арифметической высоты. Данная величина была получена ранее для рассматриваемых данных при вычислении показателей вариации (табл. 23). Сумму квадратов
214
отклонений, обусловленную регрессией, получим как разницу между общей скорректированной суммой квадратов отклонений и остатком: 1051,51 – 473,29 = 578,22. Разделив суммы квадратов на соответствующие числа степеней свободы, получим средний квадрат, обусловленный регрессией (578,22), и средний квадрат относительно регрессии (2,39).
Таблица 49. Дисперсионный анализ уравнения гиперболы
Источник вариации |
|
Число |
степеней |
Суммы квадратов |
Средние квадраты |
|
|
свободы |
отклонений SS |
MS |
|
Обусловленный |
|
|
|
|
|
регрессией |
|
|
1 |
578,22 |
578,22 |
|
|
|
|
|
|
Относительно |
|
|
198 |
473,29 |
2,39 |
регрессии (остаток) |
|
|
|||
|
|
|
|
|
|
Общий, |
|
|
199 |
1051,51 |
– |
скорректированный |
|
|
|||
|
|
|
|
|
|
Теперь рассчитаем F-статистику Фишера, воспользовавшись |
|||||
формулой (141): |
|
|
|
|
|
F = MSR = |
578,22 |
= 241,93. |
|
|
|
s2 |
2,39 |
|
|
|
С помощью полученного значения проверим гипотезу об отсутствии связи между зависимой и независимой переменными. Для этого в табл. 8 приложения найдем квантиль распределения Фишера с 1 и 198 степенями свободы для уровня значимости α = 0,05. Это значение равно F0,05,1,198 = 3,84 . Так как вычисленное значение F-критерия Фишера превышает табличное, мы отвергаем нулевую гипотезу об отсутствии связи между высотами и диаметрами. Следовательно, результаты расчетов подтверждают наличие гиперболической связи между диаметрами и высотами деревьев в древостое.
В дополнение к проведенному дисперсионному анализу вычислим коэффициент детерминации, пользуясь формулой (142)
|
n |
~ |
2 |
|
|
|
R2 = |
∑ |
(yi − y) |
578,22 |
|
||
i=1 |
|
|
= |
= 0,5499; |
||
∑n |
|
|
1051,51 |
|||
|
(yi − y)2 |
|
i=1
приведенную R2 статистику с помощью выражения (143)
215
а с учетом (207) и (208) сумму квадратов отклонений из числителя полученной формулы преобразуем к выражению
|
|
|
|
|
|
n |
|
n |
|
2 |
|
|
n |
|
|
|
|
∑1 xi2 |
|
∑1 xi |
|
|
|||
∑(1 xi −1 x)2 = n |
|
i=1 |
− |
i=1 |
|
|
|
= |
||||
|
n |
|
n |
|
||||||||
i=1 |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
n |
2 |
|
|
|
|
|
|
|
|
|
n |
|
∑1 xi |
|
|
|
|
|
|
|
|
||
= ∑1 |
xi2 − |
i=1 |
|
. |
|
|
|
|
|
(210) |
||
|
|
|
|
|
|
|
||||||
i=1 |
|
|
n |
|
|
|
|
|
|
|
|
|
Теперь, подставляя необходимые суммы из вспомогательной табл. 48 в выражение (210), вычислим значение суммы квадратов отклонений:
n |
|
2 |
|
∑(1 xi |
−1 x)2 = 0,233 597 − |
(6,66 674) |
= |
i=1 |
|
200 |
|
= 0,233597 − 0,222 227 = 0,01137. |
(211) |
Далее, подставив полученное значение, остаточный средний квадрат s2 из табл. 49 и сумму из табл. 48 в формулу (209), вычислим критерий Стьюдента для коэффициента регрессии a0:
|
|
|
|
|
n |
|
|
|
|
|
1/ 2 |
|
||
|
|
|
a0 |
n ∑(1 xi − |
|
1 |
x |
)2 |
|
|
|
|
||
t |
|
= |
|
|
i=1 |
|
|
|
|
|
|
|
= |
|
|
|
|
|
1/ 2 |
|
|
|
|
||||||
|
a0 |
|
n |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
s2 ∑1 xi2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
32,35 (200 0,01137)1/ 2 |
|
48,7831 |
= 65,29 . |
|||||||||
= |
|
|
= |
|
||||||||||
(2,39 0,233 597)1/ 2 |
|
0,747193 |
Аналогичным образом, с учетом того, что в случае гиперболы x1 = 1/x, преобразуем формулу (147), как показано ниже:
|
|
|
|
n |
1 2 |
|
|
n |
|
|
1 2 |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
∑(x1,i − x1)2 |
|
|
|
∑(1 xi −1 x)2 |
|
|
|||
t |
a1 |
= a |
|
i=1 |
|
= a |
|
i =1 |
. |
(212) |
|||
s2 |
s2 |
||||||||||||
|
1 |
|
|
1 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Теперь, подставив в выражение (212) вычисленную ранее сумму квадратов отклонений (211) и остальные значения, определим t- статистику Стьюдента для коэффициента a1:
217
y = a0 + a1 lg(x). |
(213) |
Для того чтобы получить оценку коэффициентов регрессии a0 и a1 методом наименьших квадратов, следует решить систему нормальных уравнений. В случае логарифмической кривой вида (213) эта система будет выглядеть следующим образом:
|
a0 + a1 |
n |
|
|
n |
|
|
|
|
|
|
|
|||
n |
∑lg(xi )= ∑yi ; |
|
|
|
|
|
|
||||||||
|
|
|
|
|
i=1 |
|
|
i=1 |
|
|
|
|
|
|
(214) |
|
|
|
n |
|
|
|
n |
|
|
|
n |
|
|
|
|
a |
0 |
|
lg(x |
)+ a |
|
(lg(x |
))2 |
= |
y |
i |
lg(x |
). |
|||
|
|
∑ |
i |
1 |
|
∑ |
i |
|
|
∑ |
|
i |
|
||
|
|
|
i=1 |
|
|
|
i=1 |
|
|
|
i=1 |
|
|
|
|
Вычислим коэффициенты регрессии логарифмической кривой по данным замеров диаметров и высот деревьев в древостое. Для этого воспользуемся результатами группировки, приведенными в таблице распределения 14. В связи с тем, что данные, на основе которых будут выполняться вычисления, сгруппированы, запишем систему нормальных уравнений (214) следующим образом:
|
|
|
|
|
k |
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
n |
a0 + a1 ∑ fi lg(xi )= |
∑ fi yi ; |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
i=1 |
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
(215) |
|
|
|
|
k f |
|
|
|
|
k |
|
|
|
|
|
|
k |
|
|
|
|
|
|
a |
0 |
|
i |
lg(x |
)+ a |
|
f |
i |
|
(lg(x |
))2 |
= |
f |
i |
y |
i |
lg(x |
). |
|||
|
|
∑ |
i |
1 |
|
∑ |
|
|
i |
|
|
∑ |
|
|
i |
|
|||||
|
|
|
i=1 |
|
|
|
|
i=1 |
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
Для того чтобы вычислить все необходимые суммы, составим вспомогательную таблицу (табл. 50).
В данной таблице суммы вычисляются сначала по интервалам, а затем складываются. Подставив значения сумм в систему нормальных уравнений (215), получим
a |
|
200 + a |
297,652 = 4960,4; |
(216) |
|
0 |
1 |
|
|
a0 |
297,652 + a1 444,952 = 7413,90. |
|
Решим полученную систему уравнений. Для этого разделим каждое из уравнений системы (216) на коэффициенты при параметре b0:
a |
|
+ a |
1,4883 = 24,802; |
(217) |
|
0 |
1 |
1,4949 = 24,908. |
|
a0 |
+ a1 |
|
||
Теперь вычтем первое уравнение системы (217) из второго |
(218) |
|||
a1 0,0066 = 0,106 |
и выразим из полученного уравнения (218) коэффициент a1:
219
= 0,106 =
a1 0,0066 16,06.
Подставляя вычисленное значение коэффициента a1 в первое уравнение системы (217) и выразив из него коэффициент a0, имеем
a0 = 24,802 − a1 1,4883 = 24,802 −16,06 1,4883 = 0,8999 .
Таким образом, у нас получилась регрессионная модель зависимости высоты от диаметра деревьев в сосновом древостое
следующего вида: |
16,06 lg(x) , |
(219) |
|
y = 0,8999 + |
|||
~ |
|
|
|
или, используя другие обозначения |
|
||
~ |
|
lg(x) . |
|
h = 0,8999 +16,06 |
|
220
Таблица 50. Вспомогательная таблица для вычисления коэффициентов регрессионного уравнения логарифмической
кривой
H |
|
D |
17,65 |
20,85 |
24,05 |
27,25 |
30,45 |
33,65 |
36,85 |
40,05 |
43,25 |
46,45 |
49,65 |
52,85 |
56,05 |
Сумма |
∑ f j y j |
30,05 |
|
|
– |
– |
– |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
1 |
30,1 |
29,05 |
|
|
– |
– |
– |
1 |
1 |
– |
– |
– |
– |
– |
1 |
– |
– |
3 |
87,2 |
28,05 |
|
|
– |
– |
1 |
1 |
2 |
1 |
3 |
2 |
– |
1 |
2 |
1 |
– |
14 |
392,7 |
27,05 |
|
|
– |
– |
– |
1 |
3 |
4 |
5 |
3 |
4 |
2 |
– |
– |
2 |
24 |
649,2 |
26,05 |
|
|
– |
– |
1 |
7 |
4 |
13 |
10 |
3 |
4 |
– |
1 |
– |
– |
43 |
1120,2 |
25,05 |
|
|
– |
– |
1 |
7 |
7 |
12 |
2 |
1 |
1 |
– |
– |
1 |
– |
32 |
801,6 |
24,05 |
|
|
– |
– |
7 |
7 |
12 |
1 |
3 |
1 |
– |
– |
– |
– |
– |
31 |
745,6 |
23,05 |
|
|
– |
1 |
8 |
12 |
2 |
2 |
– |
– |
– |
– |
– |
– |
– |
25 |
576,3 |
22,05 |
|
|
– |
3 |
8 |
1 |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
13 |
286,7 |
21,05 |
|
|
– |
1 |
– |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
2 |
42,1 |
20,05 |
|
|
– |
4 |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
5 |
100,3 |
19,05 |
|
|
1 |
2 |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
4 |
76,2 |
18,05 |
|
|
– |
– |
1 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
1 |
18,1 |
17,05 |
|
|
2 |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
– |
2 |
34,1 |
fx |
|
|
3 |
11 |
29 |
39 |
32 |
33 |
23 |
10 |
9 |
3 |
4 |
2 |
2 |
200 |
4960,4 |
∑ fi lg(xi ) |
|
|
3,740 |
14,510 |
40,050 |
55,980 |
47,475 |
50,391 |
36,028 |
16,026 |
14,724 |
5,001 |
6,784 |
3,446 |
3,497 |
297,652 |
– |
∑ fi (lg(xi ))2 |
|
4,663 |
19,140 |
55,317 |
80,351 |
70,433 |
76,946 |
56,436 |
25,683 |
24,088 |
8,337 |
11,505 |
5,938 |
6,115 |
444,952 |
– |
|
∑fi, j yj lg(xi ) |
66,26 |
301,48 |
919,06 |
1377,88 |
1190,73 |
1291,29 |
943,23 |
423,89 |
388,46 |
136,94 |
188,59 |
91,49 |
94,60 |
7413,90 |
– |
||
~ |
|
|
19,9 |
21,7 |
23 |
24 |
24,8 |
25,4 |
25,9 |
26,4 |
26,8 |
27,1 |
27,4 |
27,6 |
27,9 |
|
– |
yi |
|
|
|
||||||||||||||
~ |
) |
2 |
17 |
27,5 |
102,8 |
148,3 |
81,5 |
37,7 |
32,4 |
14,4 |
5,6 |
0,9 |
5,4 |
6,7 |
1,4 |
481,6 |
– |
∑fi, j (y j −yi |
|
221