big_doc_LKG
.pdf
|
|
Апроксимація зв’язків однофакторними регресійними моделями |
309 |
|||||||||
|
|
|
|
|
|
|
|
|
|
Таблиця 6.6 |
||
|
|
|
|
Розрахунок стандартної похибки коефіцієнта регресії |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
№ п/п |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
1 |
|
1,3 |
|
–2,85 |
8,12 |
7,4 |
8,85 |
–1,45 |
2,10 |
|
|
2 |
|
3,9 |
|
–0,25 |
0,06 |
10,3 |
11,11 |
–0,82 |
0,66 |
|
|
|
3 |
|
2,2 |
|
–1,95 |
3,80 |
11,6 |
9,63 |
1,97 |
3,88 |
|
|
|
4 |
|
1,4 |
|
0,25 |
0,06 |
12,7 |
11,55 |
1,15 |
1,32 |
|
|
|
5 |
|
2,3 |
|
–1,85 |
3,42 |
8,7 |
9,72 |
–1,02 |
1,04 |
|
|
|
6 |
|
3,3 |
|
–0,85 |
0,72 |
10,4 |
10,59 |
–0,19 |
0,04 |
|
|
|
7 |
|
3,7 |
|
–0,45 |
0,20 |
12,5 |
10,94 |
1,56 |
2,43 |
|
|
|
8 |
|
5,8 |
|
1,65 |
2,72 |
13,7 |
12,77 |
0,93 |
0,86 |
|
|
|
9 |
|
2,6 |
|
–1,55 |
2,40 |
10,7 |
10,01 |
0,69 |
0,48 |
|
|
|
10 |
|
3,8 |
|
–0,035 |
0,12 |
10,3 |
11,03 |
–0,73 |
0,53 |
|
|
|
25 |
|
2,4 |
|
–1,75 |
3,06 |
7,4 |
9,81 |
–2,41 |
5,81 |
|
|
|
26 |
|
2,4 |
|
–1,75 |
3,06 |
9,7 |
9,81 |
–2,41 |
0,01 |
|
|
|
27 |
|
4,7 |
|
0,55 |
0,30 |
12,0 |
11,81 |
0,19 |
0,04 |
|
|
|
28 |
|
4,5 |
|
0,35 |
0,12 |
12,4 |
11,64 |
0,76 |
0,58 |
|
|
|
29 |
|
3,0 |
|
–1,15 |
1,32 |
8,5 |
10,33 |
1,83 |
3,35 |
|
|
|
30 |
|
7,5 |
|
3,35 |
11,22 |
14,7 |
14,25 |
0,45 |
0,21 |
|
|
|
|
Сума |
|
|
|
|
82,54 |
|
|
|
43,93 |
|
|
Для перевірки значимості рівняння регресії за даними табл. 6.4 та табл. 6.5 послідовно обчислюємо:
– дисперсію фактичних значень залежної змінної за формулою (6.24)
;
– залишкову дисперсію за формулою (6.25)
;
– розрахункове значення F-критерію Фішера за формулою (6.26)
;
– кількість ступенів вільності
; |
. |
Для прийнятого рівня значимості при значеннях та знаходимо табличне значення критерію Фішера .
Так як , то рівняння регресії можна вважати значимим і таким, що адекватно описує залежність вантажообігу у розрахунку на один автомобіль від річного обсягу перевезень автотранспортного підприємства.
|
Апроксимація зв’язків однофакторними регресійними моделями |
313 |
|||||
|
|
|
Продовження табл. 6.7 |
||||
|
|
|
|
|
|
|
|
|
Група моделей |
Вид моделі |
Рівняння регресії |
|
|
||
|
|
|
|
|
|
|
|
|
|
Обернена лінійна (Re- |
|
|
|
|
|
|
|
ciprocal) |
|
|
|
|
|
|
Моделі |
Обернена квадратична |
|
|
|
|
|
|
(Reciprocal Quadratic) |
|
|
|
|
|
|
|
щільності (Yield |
|
|
|
|
|
|
|
Модель Блісдейла |
|
|
|
|
|
|
|
Density Model) |
|
|
|
|
|
|
|
(Bleasdale Model) |
|
|
|
|
|
|
|
|
Модель Харіса (Harris |
|
|
|
|
|
|
|
Model) |
|
|
|
|
|
|
|
Експоненціальна 2 |
|
|
|
|
|
|
Моделі |
(Exponential Assoc (2) |
|
|
|
|
|
|
Експоненціальна 3 |
|
|
|
|
|
|
|
зростання |
|
|
|
|
|
|
|
(Exponential Assoc (3) |
|
|
|
|
|
|
|
(Growth Model) |
|
|
|
|
|
|
|
Чутливого зростання |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(Saturation Growth) |
|
|
|
|
|
|
|
Модель Гомперца |
|
|
|
|
|
|
|
(Gompertz Model) |
|
|
|
|
|
|
|
Логістична модель |
y |
a |
|
|
|
|
Моделі |
(Logistic Model) |
1 eb cx |
|
|
|
|
|
насичення |
Модель Річардса |
|
|
|
|
|
|
(Sigmoidal |
(Richards Model) |
|
|
|
|
|
|
Model) |
|
|
|
|
|
|
|
MMF модель (MMF |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
model) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Модель Вейбула |
|
|
|
|
|
|
|
(Weibull Model) |
|
|
|
|
|
|
|
Синусоїдна модель (Si- |
|
|
|
|
|
|
|
nusoidal Fit) |
|
|
|
|
|
|
|
Модель Гауса (Gaus- |
|
|
|
|
|
|
|
sian Model) |
|
|
|
|
|
|
Інші моделі |
Гіперболічна модель |
|
|
|
|
|
|
(Miscellaneous) |
(Hyperbolic Fit) |
|
|
|
|
|
|
|
Теплоємна модель |
|
|
|
|
|
|
|
(Heat-Capacity Model) |
|
|
|
|
|
|
|
Раціональна функція |
|
|
|
|
|
|
|
(Rational Function) |
|
|
|
|
|
Апроксимація зв’язків однофакторними регресійними моделями |
315 |
На вкладці Coefficients (рис. 6.8) відображується рівняння регресії та, у правій частині вікна, – значення невідомих коефіцієнтів у рівнянні регресії. На вкладці Covariance (рис. 6.9, а) можна переглянути коваріаційну матрицю. На вкладинці Residuals можна переглянути графік залишків (рис. 6.9, б).
а) |
б) |
Рис. 8.9. Вкладки вікна додаткової інформації
У випадку використання автоматичного шукача при виборі пункту меню Tools / CurveFinder у діалоговому вікні (рис. 6.10) слід відзначити категорії моделей, які слід розрахувати та вказати (за необхідності) степінь полінома для розрахунків за поліноміальною моделлю (по умовчанню дорівнює чотирьом). Кнопки All On та All Off дозволяють, відповідно, вибрати всі моделі чи зняти позначки з усіх позначених моделей. Після вибору необхідних моделей слід натиснути кнопку ОК. На екрані з’явиться вікно результатів розрахунку.
Найкраща з моделей (модель, що має найменше значення стандартної похибки та найбільше значення коефіцієнту кореляції) буде показана у окремому вікні, аналогічному показаному на рисунку 6.7.
Якщо закрити це вікно, у головному вікні будуть показані результати розрахунку за всіма вибраними моделями (рис. 6.11). У списку розрахованих моделей їх сортування виконується в порядку погіршення оціночних показників (тобто, найкраща з моделей буде у спи-
|
|
Апроксимація зв’язків однофакторними регресійними моделями |
317 |
||||
|
|
|
|
|
Таблиця 6.8 |
||
|
|
|
Результати підгонки регресійних моделей у пакеті CURVE EXPERT |
|
|
||
|
|
|
|
|
|
|
|
|
№ |
|
|
Оціночні показники |
|
|
|
|
|
Регресійна модель |
стандартна |
коефіцієнт |
|||
|
моделі |
||||||
|
|
похибка |
кореляції |
|
|
||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
1 |
|
|
1,156 |
0,819 |
|
|
|
2 |
|
|
1,158 |
0,805 |
|
|
|
3 |
|
|
1,160 |
0,804 |
|
|
|
|
|
|
|
|
|||
4 |
|
|
1,163 |
0,811 |
|
|
|
|
|
|
|
|
|
||
5 |
|
|
1,166 |
0,809 |
|
|
|
6 |
|
|
1,166 |
0,809 |
|
|
|
7 |
|
|
1,169 |
0,809 |
|
|
|
8 |
|
|
1,171 |
0,808 |
|
|
|
9 |
|
|
1,171 |
0,808 |
|
|
|
10 |
|
|
1,175 |
0,798 |
|
|
|
11 |
|
|
1,176 |
0,814 |
|
|
|
12 |
|
|
1,180 |
0,813 |
|
|
|
13 |
|
|
1,181 |
0,796 |
|
|
|
|
|
|
|
|
|
|
|