1) Точечные оценки параметров a0; a1, ;
2) Найти 95% доверительные интервалы для параметра a1 уравнения регрессии и для параметра ;
3) среднюю добычу угля на одного рабочего для пласта мощностью 20 м;
4) найти 95% доверительные интервалы для средней и индивидуальной выработки рабочего для пласта мощностью 20 м;
5) проверить гипотезу о значимости уравнения регрессии на уровне значимости =0.05;
6) определить коэффициент детерминации регрессионной модели.
Кроме того, методом наименьших квадратов Гаусса найти уравнение квадратичной регрессии .
Решение. 1). Найдем сначала точечные оценки выборок для переменных и . Выборочные средние значения и находим из соотношений
,
.
Для выборочных дисперсий и средних квадратичных уклонений получаем:
Отсюда
Для вычисления коэффициента линейной регрессии по формуле осталось найти смешанную сумму
Отсюда следует, что
Из формулы получаем оценку .
Таким образом, уравнение линейной регрессии имеет вид .
Теперь по формуле мы можем найти точечную оценку параметра случайной величины :
Отсюда .
2) Найдем 95% доверительные интервалы для параметров и . Используем формулы
, .
При , , критические точки распределения Стьюдента и распределения можно найти по таблицам этих распределений, и они равны соответственно
,
Отсюда следует, что доверительный интервал для параметра уравнения регрессии есть
Аналогично, доверительный интервал для параметра имеет вид
3) Найдем среднюю добычу угля на одного рабочего для пласта мощностью м. Подставим в уравнение линейной регрессии :
4) Найдем 95% доверительные интервалы для средней и индивидуальной выработки рабочего для пласта мощностью м. Используем формулы:
, ,
для интервальной оценки средней выработки, и формулы
,
для интервальной оценки индивидуальной выработки. Получаем:
Аналогично, для интервальной оценки индивидуальной выработки получаем:
5) Проверим гипотезу о значимости уравнения регрессии на уровне значимости =0.05. Для этого найдем коэффициент детерминации по формуле
.
Получаем: ,
Следовательно,
Критическая точка распределения ФишераСнедекора при уровне значимости =0.05 равна ,
откуда получаем, что, .
Следовательно, уравнение линейной регрессии следует признать незначимым на данном уровне значимости.
6) Коэффициент детерминации регрессионной модели был найден при проверке гипотезы о значимости уравнения регрессии. Поскольку , следует заключить, что в зависимости объясняемой переменной от наиболее существенную роль играют случайные факторы, а не линейная часть регрессии .
7) Найдем уравнение квадратичной регрессии . Для этого подсчитаем коэффициенты линейной системы уравнений, которая определяется из принципа наименьших квадратов Гаусса:
Часть коэффициентов этой системы фактически уже была найдена в предыдущих пунктах. А именно,
, ,
, ,
Осталось, следовательно, вычислить три коэффициента системы.
Получаем:
Для решения системы используем пакет символьных вычислений MATHCAD. Средствами этой программы решение системы линейных уравнений производится с помощью следующих командных строк.
Решениями системы являются числа
Таким образом, квадратичная регрессия имеет вид
В заключение, построим графики функций и на отрезке . Для построения графиков функций вновь используем программу MATHCAD.