- •Самарский государственный университет.
- •Глава 5. Анализ временных рядов. 29
- •Глава 6. Дисперсионный анализ. 34
- •Глава 7. Метод главных компонент 47
- •Глава 8. Факторный анализ 53
- •Глава 1. Математические модели.
- •1.1. Классификация моделей.
- •1.2. Этапы построения математических моделей
- •Глава 2. Корреляционный анализ: вид связи и проверка гипотез.
- •2.1.Коэффициент парной корреляции
- •2.2. Коэффициент детерминации
- •2.3. Статистическая оценка значимости коэффициентов корреляции.
- •2.4. Интервальные оценки для значимых парных коэффициентов корреляции.
- •2.5. Коэффициент корреляции рангов.
- •Решение
- •Глава 3. Регрессионный анализ: парная линейная регрессия.
- •3.1. Общие сведения. Парная линейная регрессия.
- •3.1.1. Функция регрессии
- •3.1.2. Последовательность проведения регрессионного анализа
- •3.1.3. Предпосылки к проведению регрессионного анализа
- •3.2. Метод наименьших квадратов
- •3.2.1. Проверка адекватности модели
- •3.2.2. Проверка значимости параметров модели
- •3.3. Описание типового примера. Алгоритм построения регрессионной модели.
- •3.4. Использование оцененной модели для прогнозирования
- •Глава 4. Множественная линейная регрессия
- •4.1. Корреляционно - регрессионный анализ.
- •4.2. Некоторые нелинейные модели, сводящиеся к линейным
- •4.3. Проверка предпосылок регрессионного анализа
- •1. Проверка нормальности закона распределения ошибок
- •3. Проверка на автокорреляцию случайных ошибок
- •Замечание. Если в модели много незначимых коэффициентов - ее надо упростить, т.Е. Уменьшить число искомых величин b. Если модель неадекватна, ее надо усложнить, т.Е. Добавить новые члены.
- •4.4. Пример решения задачи моделирования с использованием метода наименьших квадратов.
- •4.5. Метод наименьших квадратов (мнк) – общий случай
- •Глава 5. Анализ временных рядов.
- •5.1. Проверка законов распределения.
- •1. Проверка подчинения эмпирического распределения нормальному закону распределения
- •2. Проверка подчинения эмпирического распределения закону распределения Пуассона.
- •5.2. Изучение динамики
- •5.2.1. Средние показатели тенденции динамики
- •5.2.2. Выявление типа тенденции динамики тренда
- •5.2.3. Определение оптимального значения тренда
- •Глава 6. Дисперсионный анализ.
- •Однофакторный дисперсионный анализ.
- •6.2. Применение однофакторного анализа.
- •6.3. Проверка гипотезы об отсутствии влияния факторов на параметр
- •Можно показать [5], что, как и в случае однофакторного анализа, разность
- •Трехфакторный дисперсионный анализ.
- •6.5. Отсеивающие эксперименты и дисперсионный анализ
- •6.6. Рандомизация эксперимента
- •6.7. Определение аналитического вида зависимости параметра от факторов.
- •6.7.1. Матрица планирования
- •Глава 7. Метод главных компонент
- •7.1. Математическая модель метода главных компонент.
- •7.2. Алгоритм метода главных компонент
- •7.3. Нахождение коэффициентов характеристического уравнения
- •Глава 8. Факторный анализ
- •8.1. Модель факторного анализа.
- •8.2. Вращение факторов.
- •8.3. Применение факторного анализа.
- •8.4. Некоторые результаты факторного анализа
- •Приложение 1. Статистические таблицы
- •При числе степеней свободы
- •Критические точки распределения критерия g
- •Значения верхнего предела n2 в зависимости от уровня значимости
1. Проверка подчинения эмпирического распределения нормальному закону распределения
Находим частоту теоретического распределения для каждого интервала по формуле
, (5.1.6).
здесь:
n– объем выборки,
i - номер интервала,
μ- математическое ожидание, вычисленное по выборкеμ=Xсредн.
Проверяем гипотезы:
H0 – «случайная величина распределена по нормальному закону распределения»
H1 – «случайная величина не распределена по нормальному закону распределения»
Выбираем уровень значимости =0,05 , и вычисляем число степеней свободы=k– 3 (3 – число фиксированных параметров в формуле). Находим значение критерияпо формуле
(5.1.7)
Если полученное фактическое значение 2 превышает табличное, найденное при том же уровне значимости и числу степеней свободы (см приложение 1, таблица 2), то вероятность соответствия эмпирического распределения нормальному закону меньше указанной вероятности, и гипотезаH0 – противоречива. Это означает, что принимается гипотезаH1: случайная величина не распределена по нормальному закону распределения.
Если табличное значение 2 превышает полученное фактическое при том же уровне значимости и числу степеней свободы, то вероятность соответствия распределения нормальному закону меньше указанной, и гипотезаH0 (случайная величина распределена по нормальному закону распределения) – не противоречива.
2. Проверка подчинения эмпирического распределения закону распределения Пуассона.
Вычислим частоту теоретического распределения по нормальному закону по формуле
, (5.1.8)
здесь: n – число экспериментальных данных,
- среднее арифметическое наблюденных значений,
xi– значениеi-ой случайной величины.
Проверяем гипотезы:
H0 – «случайная величина распределена по закону распределения Пуассона»
H1 – «случайная величина не распределена по закону распределения Пуассона»
Выбираем уровень значимости =0,05 и находим значение критерияпо формуле
(5.1.9)
Из таблицы 2 (приложение 1) для соответствующего значения уровня значимости и числа степеней свободы=k– 3 (3 – число фиксированных параметров в формуле) найдем величину вероятноститабличное. Если табличное значение2 превышает полученное фактическое при том же уровне то гипотеза о том, что случайная величина распределена по закону распределения Пуассона, не противоречива, то есть принимается гипотеза Н0, в противном случае принимается гипотеза Н1.
5.2. Изучение динамики
На этом этапе необходимо определить основные показатели, характеризующие тенденцию динамики:
Средние показатели тенденции динамики;
Тип тенденции динамики тренда;
Оптимальное значения тренда.
Строится таблица 5.2.:
Таблица 5.2.
Номер
|
Уровень ряда |
Абсолютное изменение уровней ряда |
Ускорение абсолютного изменения |
Темп роста |
Темп прироста |
Абсолютный прирост | |
1 |
2 |
3 |
4 |
5 |
6 |
7 | |
Цепное |
Базисное | ||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Столбцы:
Номер периодов или моментных рядов от 1 до n.
Уровни ряда - значения, введённые пользователем.
Абсолютное изменение уровней подпункты: Цепное - ,
Базисное - .
Ускорение абсолютного изменения: .
Темп роста в % - к предыдущему периоду , - к начальному периоду.
Темп прироста - Цепной , - Базисный.
Абсолютное значение 1% прироста: .