- •Определение целей и задач статистического исследования
- •Планирование статистического эксперимента. Эксперимент и наблюдательное исследование. Простая случайная выборка. Отклонения в выборках и их классификация.
- •Условия применения статистических методов для решения практических задач
- •Понятие пассивного эксперимента при исследовании объектов для получения статистических данных
- •Виды данных, используемые в статистическом анализе.
- •Интервальное оценивание. Доверительные интервалы и их интерпретация. Уровень доверия. Стандартная ошибка.
- •Понятие «черного ящика».
- •Понятие уровня значимости.
- •Определение факторного пространства.
- •Определение уровня фактора.
- •Понятие случайного возмущения
- •Интервальные оценки параметров. Понятие доверительного интервала.
- •Показали тесноты корреляционной связи между случайными величинами.
- •Понятие генеральной совокупности и выборки.
- •Требования к реальной информации при сборе данных для правомерности применения статистических методов.
- •Понятие «параллельные опыты».
- •Понятие и виды диаграммы рассеивания.
- •Метод наименьших квадратов.
- •Применение мнк для оценивания параметров регрессионного уравнения.
- •Свойства оценок параметров регрессионных уравнений, полученных по мнк.
- •Понятие и свойства дисперсии случайной величины.
- •Ошибки 1-го и 2-го рода при использовании статистических гипотез.
- •Понятие ковариации и формулы для ее расчета для генеральной и выборочной совокупностей.
- •Понятие функциональной и корреляционной связи.
- •Доверительная вероятность. Примеры использования.
- •Понятие мультиколлинеарности.
- •Виды связей между факторами и откликами.
- •Факторный анализ.
- •Дисперсионный анализ.
- •Кластерный анализ.
- •Регрессионный анализ.
-
Метод наименьших квадратов.
Задача заключается в нахождении коэффициентов линейной зависимости, при которых функция двух переменных а и b принимает наименьшее значение. То есть, при данных а и b сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей. В этом вся суть метода наименьших квадратов.
МНК позволяет получить такие оценки параметров а и в, при которых сумма квадратов отклонений фактических значений результативного признака (у) от расчетных (теоретических) минимальна:
Составляется и решается система из двух уравнений с двумя неизвестными. Находим частные производные функции по переменным а и b, приравниваем эти производные к нулю.
Формулы в тетради
-
Применение мнк для оценивания параметров регрессионного уравнения.
См.вопрос 18
Для оценки параметров регрессионного уравнения наиболее часто используют метод наименьших квадратов (МНК).
Метод наименьших квадратов дает оценки, имеющие наименьшую дисперсию в классе всех линейных оценок, если выполняются предпосылки нормальной линейной регрессионной модели.
МНК минимизирует сумму квадратов отклонения наблюдаемых значений от модельных значений .
Согласно принципу метода наименьших квадратов, оценки и находятся путем минимизации суммы квадратов
по всем возможным значениям и при заданных (наблюдаемых) значениях.
В результате применения МНК получаем формулы для вычисления параметров модели парной регрессии.
(3)
-
Свойства оценок параметров регрессионных уравнений, полученных по мнк.
-
МНК оценки не смещенные, т.е. их матожидания равны истинным значениям
M(bj)-betaj
-
Дисперсия и ковариация определяются по формулам:
D(bj)=cjjσ02
Cov(bjbl)=cjlσ02
-
Оценки, полученные по МНК, эффективные.
σ2(bj) <=σ2(ϴj)
-
Понятие и свойства дисперсии случайной величины.
Дисперсией случайной величины называется математическое ожидание квадрата ее отклонения: .
Свойства:
1) Дисперсия постоянной величины равна нулю.
2) Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат.
3) Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин.
4) Дисперсия разности двух независимых случайных величин равна сумме дисперсий этих величин.
-
Ошибки 1-го и 2-го рода при использовании статистических гипотез.
Ошибка 1-го рода возникает в общем случае, когда Н0 верна, а мы ее отвергаем (не значимый фактор признаем значимым, не экономим ресурсы).
Ошибка 2-го рода возникает, когда Н0 неверна, а мы ее принимаем (фактор влияет на ЦФ, а мы его не учитываем, в результате получаем неправильную модель).
-
Понятие ковариации и формулы для ее расчета для генеральной и выборочной совокупностей.
Ковариация – степень линейной зависимости двух случайных величин.
При наличии п наблюдений двух переменных (х и у) выборочная ковариация между х и у задается формулой:
Для различения ковариационной генеральной и выборочной совокупности используем обозначение с прописной буквы применительно к выборочной ковариации и или для ковариации между х и у в генеральной совокупности.