Для тех специальностей, в вузах с более углубленным изучением курса эконометрики, где предусмотрено выполнение курсовой работы по эконометрике - свяжитесь с нами через форму заказа или любым удобным для вас способом, и наши специалисты окажут помощь в ее выполнении. При этом могут быть использованы прикладные программы, указанные вашем преподавателем.

Стоимость решения задач по эконометрике - от 300р, в зависимости от сложности. Онлайн помощь - от 1500р за билет.

Для тех, кто не смог подготовиться к экзамену предлагаем:

Примеры выполненных работ по эконометрике:

При решении задач по эконометрике часто необходимо использовать прикладные эконометрические пакеты программ. Отметим наиболее распространенные:
- пакет анализа данных в Microsoft Excel;
- программа Gretl;
- эконометрический пакет Eviews;
- пакет Statistica.
Выделим кратко преимущества и недостатки перечисленных программных средств:
-Анализа данных в Excel.Достоинство: доступен и прост в обращении. Недостаток: не содержит простейших эконометрических тестов на автокорреляцию и гетероскедастичность, про другие более сложные тесты по эконометрике не упоминаем - их там нет.
-Gretl(скачать). Достоинства: имеется в свободном доступе бесплатная версия, проста и удобна в обращении, русский интерфейс. Недостаток: не содержит ряда коинтеграционных эконометрических тестов.
-Eviews(скачать).Достоинства: содержит множество тестов, простота их реализации. Недостатки: английский интерфейс, в свободном доступе только старая версия программы Eviews 3, все более свежие версии - платные.
-Statictica. Мало использовали её, не нашли достоинств. Недостатки - английский интерфейс, и отсутствие многих тестов по эконометрике.

Ниже представлены в свободном доступе примеры решения задач по эконометрике в этих программных средствах, которые будут содержать отчет по решению задачи и файл реализации задачи в эконометрическом пакете. Так же на этой странице выложены бесплатные версии программ

Задание 1

Задание 2

Задание 3

Задание 4

Список использованной литературы

Задание 1

Имеются данные за 12 месяцев года по району города о рынке вторичного жилья (y – стоимость квартиры (тыс. у.е.), x – размер общей площади (м 2)). Данные приведены в табл. 1.4.

Таблица 1

1. Рассчитайте параметры уравнений регрессий

И .

3. Рассчитайте средний коэффициент эластичности и дайте сравнительную оценку силы связи фактора с результатом.

4. Рассчитайте среднюю ошибку аппроксимации и оцените качество модели.

6. Рассчитайте прогнозное значение , если прогнозное значение фактора увеличится на 5% от его среднего значения. Определите доверительный интервал прогноза для .

7. Расчеты должны быть подробны, как показано в примере 1, и сопровождены пояснениями.

Составим таблицу расчетов 2.

Все расчеты в таблице велись по формулам

Таблица 2

,

и линейное уравнение регрессии примет вид: .

Рассчитаем коэффициент корреляции:

.

Связь между признаком и фактором заметная.

Коэффициент детерминации – квадрат коэффициента или индекса корреляции.

R 2 = 0,606 2 = 0,367

Средний коэффициент эластичности позволяет проверить, имеют ли экономический смысл коэффициенты модели регрессии.

Для оценки качества модели определяется средняя ошибка аппроксимации:

,

допустимые значения которой 8 - 10 %.

Вычислим значение -критерия Фишера.

,

– число параметров уравнения регрессии (число коэффициентов при объясняющей переменной );

– объем совокупности.

.

По таблице распределения Фишера находим

Так как , то гипотеза о статистической незначимости параметра уравнения регрессии отклоняется.

Так как , то можно сказать, что 36,7% результата объясняется вариацией объясняющей переменной.

Выберем в качестве модели уравнения регрессии , предварительно линеаризовав модель. Введем обозначения: . Получим линейную модель регрессии .

Рассчитаем коэффициенты модели, поместив все промежуточные расчеты в табл. 3.

Таблица 3

Рассчитаем параметры уравнения:

.

Коэффициент корреляции

.

Коэффициент детерминации

следовательно, только 9,3% результата объясняется вариацией объясняющей переменной .

следовательно, гипотеза о статистической незначимости уравнения регрессии принимается. По всем расчетам линейная модель надежнее, и последующие расчеты мы сделаем для нее.

.

.

Определим ошибки .

,

,

,

,

,

.

Полученные оценки модели и ее параметров позволяют использовать ее для прогноза.

Рассчитаем

.

Средняя ошибка прогноза

,

,

.

Строим доверительный интервал с заданной доверительной вероятностью :

.

Найденный интервальный прогноз достаточно надежен (доверительная вероятность ) и достаточно точен, т.к. .

Оценим значимость каждого параметра уравнения регрессии

.

Используем для этого t-распределение (Стьюдента). Выдвигаем гипотезу о статистической незначимости параметров, т.е.

.

Определим ошибки .

,

, ,

И, то можно предположить о правильном распределении объектов и уже существующих двух классах и верно выполненной классификации объектов подмножества М0. 3.2 Пример решения задачи дискриминантным анализом в системе STATISTICA Исходя из данных по 10 странам (рис. 3.1), которые были выбраны и отнесены к соответствующим группам экспертным методом (по уровню медицинского обслуживания), ...

Специалист для которого MS Excel является именно тем средством которое позволяет облегчить и ускорить его работу, должен знать и уметь использовать в повседневной работе новейшие экономико-математические методы и модели, предлагаемые новыми прикладными программами. Традиционный способ изучения экономико-математических методов заключается не только в определении их назначения и сути, ...

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Санкт- Петербургский Государственный Университет экономики и финансов

Заочный факультет, кафедра статистики и эконометрики

Контрольная работа

По эконометрике

Студента группа №351

Хмель Валентина Александровича

Вариант 3

1. Задача 1

2. Задача 2

3. Задача 3

4. Задача 4

5. Задача 5

Литература

1. Задача 1

Изучается зависимость между ценой квартиры (y - тыс.долл.) и размером ее жилой площади (x - кв.м.) по следующим данным:

Задание

1.Постройте поле корреляции, характеризующее зависимость цены квартиры от жилой площади.

2.Определите параметры уравнения парной линейной регрессии. Дайте интерпретацию коэффициента регрессии и знака при свободном члене уравнения.

3.Рассчитайте линейный коэффициент корреляции и поясните его смысл. Определите коэффициент детерминации и дайте его интерпретацию.

4.Найдите среднюю ошибку аппроксимации.

5.Рассчитайте стандартную ошибку регрессии.

6.С вероятностью 0,95 оцените статистическую значимость уравнения регрессию в целом, а также его параметров. Сделайте выводы.

7.С вероятностью 0,95 постройте доверительный интервал ожидаемого значения цены квартиры в предположении, что жилая площадь квартиры увеличится на 5% от своего среднего значения. Сделайте выводы.

Решение

1.Построение поля корреляции, характеризующее зависимость цены квартиры от жилой площади

Поле корреляции строим, нанося данные наблюдений на координатную плоскость:

При исследовании двух факторов этот построенный график уже показывает, существует зависимость или нет, характер этой зависимости. В частности, на приведенном графике уже видно, что с ростом фактора х значение фактора у тоже увеличивается. Правда зависимость эта нечеткая, размытая, или, правильно говоря, статистическая.

2.Определение параметров уравнения парной линейной регрессии

Определим уравнение парной линейной регрессии методом наименьших квадратов.

Сущность метода наименьших квадратов заключается в нахождении параметров модели a 0 , a 1 , при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выборочному уравнению регрессии:

Для линейной модели

Функция двух переменных S(a 0 , a 1) может достигнуть экстремума в том случае, когда ее частные производные равны нулю. Вычисляя эти частные производные, получим систему уравнений для нахождения параметров a 0 , a 1 линейного уравнения регрессии.

В случае, когда возмущающая переменная е имеет нормальное распределение, коэффициенты a 0 , a 1 , полученные методом наименьших квадратов для линейной регрессии, являются несмещенными эффективными оценками параметров б 0 , б 1 исходного уравнения.

Строим таблицу промежуточных вычислений, учитывая, что n=10:

Получаем систему уравнений:

Решаем данную систему относительно переменных а 0 и а 1 методом Крамера.

По формулам Крамера находим:

;

Подставляем полученные значения в уравнение и получаем уравнение:

Интерпретация коэффициента регрессии и знака при свободном члене уравнения.

Параметр a 1 =0,702 показывает среднее изменение результата y с изменением фактора x на единицу. Параметр a 0 =11,39=y, когда x=0. Так как а 0 >0, то относительное изменение результата происходит медленнее, чем изменение фактора, то есть вариация результата меньше вариации фактора.

3.Рассчитаем линейный коэффициент корреляции

Коэффициент корреляции величин x и y (r xy) - свидетельствует о наличии или отсутствии линейной связи между переменными:

Если: r xy = -1 , то наблюдается строгая отрицательная связь; r xy = 1, то наблюдается строгая положительная связь; r xy = 0, то линейная связь отсутствует.

Находим необходимые значения:

Определяем коэффициент детерминации

Коэффициент детерминации - квадрат коэффициента корреляции:

Чем выше показатель детерминации, тем лучше модель описывает исходные данные. Следовательно, качество описания исходных данных в данной модели 69,8%

4.Находим среднюю ошибку аппроксимации

Средняя ошибка аппроксимации - среднее относительное отклонение расчетных значений от фактических:

Средняя ошибка аппроксимации:

5.Рассчитываем стандартную ошибку регрессии

Стандартная ошибка регрессии:

где n - число единиц совокупности; m - число параметров при переменных. Для линейной регрессии m = 1.

6. С вероятностью 0,95 оцениваем статистическую значимость уравнения регрессию в целом, а также его параметров

Для оценки статистической значимости коэффициентов линейной регрессии и линейного коэффициента парной корреляции r xy применяется t-критерий Стьюдента и рассчитываются доверительные интервалы каждого из показателей.

Согласно t-критерию выдвигается гипотеза Н 0 о случайной природе показателей, т. е. о незначимом их отличии от нуля. Далее рассчитываются фактические значения критерия t факт для оцениваемых коэффициентов регрессии и коэффициента корреляции r xy путем сопоставления их значений с величиной стандартной ошибки.

Составляем таблицу промежуточных вычислений:

Остаточная сумма квадратов равна: , а ее среднее квадратическое отклонение:

Находим стандартную ошибку коэффициента регрессии:

Находим стандартную ошибку параметра a 0:

Рассчитываем фактическое значение критерия Стьюдента для коэффициента регрессии:

Находим табличные значения t-критерия Стьюдента при уровне значимости?=0,05

Оценка значимости всего уравнения регрессии в целом осуществляется с помощью F-критерия Фишера.

F-критерий Фишера заключается в проверке гипотезы Н о о статистической незначимости уравнения регрессии. Для этого выполняется сравнение фактического F факт и критического (табличного) F табл значений F-критерия Фишера.

Находим фактическое значение F-критерия:

Находим табличное значение F-критерия, учитывая k 1 = m=1, k 2 = n - m - 1=8:

Так как F табл < F факт, то Н 0 -гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.

7. С вероятностью 0,95 строим доверительный интервал ожидаемого значения цены квартиры в предположении, что жилая площадь квартиры увеличится на 5% от своего среднего значения

Строим таблицу промежуточных вычислений:

2. Задача 2

По 79 регионам страны известны следующие данные об обороте розничной торговли y (% к предыдущему году), реальных денежных доходах населения x 1 (% к предыдущему году) и средней номинальной заработной плате в месяц х 2 (тыс.руб.):

; ; ; ; ;

; ; ; .

1.Постройте линейное уравнение множественной регрессии

2.Найдите коэффициент множественной детерминации в том числе скорректированный. Сделайте выводы.

3.Оцените значимость уравнения регрессии через F-критерий Фишера с вероятностью 0,95. Сделайте выводы.

4.Оцените целесообразность дополнительного включения в модель фактора х 2 при наличии фактора х 1 , используя частный F-критерий.

1.Линейное уравнение множественной регрессии

Множественная регрессия - уравнение связи с несколькими независимыми переменными: y=f(x 1 ,x 2 ,...,x p), где у - зависимая переменная (результативный признак); х 1 ,х 2 ,…,х p - независимые переменные (факторы).

В данной задаче уравнение множественной регрессии имеет вид:

Множественная регрессия применяется в ситуациях, когда из множества факторов, влияющих на результативный признак, нельзя выделить один доминирующий фактор и необходимо учитывать влияние нескольких факторов.

Расчет параметров множественной регрессии осуществляется методом наименьших квадратов, путем решения системы уравнений с параметрами a, b 1 , b 2 .

Получаем систему уравнений:

Решаем полученную систему относительно переменных a, b 1 , b 2 методом Крамера

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы матрицы коэффициентов столбцом свободных членов и находим определители получившихся матриц:

По формулам Крамера находим значения a, b 1 , b 2:

.

Записываем линейное уравнение множественной регрессии:

2.Находим коэффициент множественной детерминации, в том числе скорректированный.

Коэффициент множественной детерминации находится по формуле:

Находим коэффициенты парной корреляции: ; ; .

;

;

;

где

;

;

;

где

;

;

;

Получили: ; ;

Скорректированный коэффициент множественной детерминации содержит поправку на число степеней свободы и рассчитывается следующим образом:

где n=79, m=2 - число факторных признаков в уравнении регрессии.

3.Проверяем значимость уравнения регрессии через F-критерий Фишера с вероятностью 0,95

;

Табличное значение критерия Фишера равно

Так как F табл < F факт, то Н 0 -гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.

4.Оцените целесообразность дополнительного включения в модель фактора х 2 при наличии фактора х 1 , используя частный F-критерий

В предыдущих пунктах получен коэффициент множественной корреляции а коэффициенты парной корреляции при этом были; ; уравнение парной регрессии у = f(х) охватывало 27,0639% - колеблемости результативного признака под влиянием фактора х 1 , а дополнительное включение в анализ фактора x 2 уменьшило долю объясненной вариации до 15,4921%

5.Определите частные коэффициенты корреляции и сделайте выводы.

Частные коэффициенты корреляции определяются по ф-ле:

Множественный коэффициент корреляции определяется по формуле:

6.Определите частные и средние коэффициенты эластичности и сделайте выводы.

Вычислим средние коэффициенты эластичности по формуле:

; ;

Доверительные интервалы определяют пределы, в которых лежат точные значения определяемых показателей с заданной степенью уверенности, соответствующей заданному уровню значимости б..

Для расчета точечного прогноза подставляем в уравнение регрессии заданное значение факторного признака x i . Доверительный интервал прогноза определяется с вероятностью (1 - ??), как, где - стандартная ошибка точечного прогноза.

где x k - прогнозное значение x. По условию жилая площадь квартиры (x i) должна увеличится на 5%. Тогда

;

Тогда доверительный интервал равен

или

С надежностью 0,95 средняя прогнозируемая жилплощадь квартир заключена в доверительном интервале 21,1479

3. Задача 3

Рассматривается модель спроса и предложения товара «А»:

q d - спрос на товар;

q s - предложение товара;

Р - цена товара;

Y - доход на душу населения;

W - цена товара в предыдущий период.

Приведенная форма модели составила:

2.Укажите способ оценки параметров структурной модели

1.Проведите идентификацию модели, используя необходимое и достаточное условие идентификации.

Данная модель - это система одновременных уравнений, так как она содержит взаимозависимые переменные.

Проверим выполнение необходимого условия идентификации для каждого уравнения модели.

В данной модели две эндогенных переменных, находящихся в левой части. Это - q d и q s . Остальные переменные - P, Y, W - это экзогенные переменные. Таким образом, общее число предопределенных переменных равно 3.

Для первого уравнения Н=1 в него входит эндогенная переменная q d и D=1 (уравнение не включает предопределенной переменной W).

D+1=1+1=2>1

Следовательно, первое уравнение сверхидентифицируемо.

Для второго уравнения Н=1 (q s); D=2 (P; Y).

D+1=1+1=2>1

Второе уравнение также сверхидентифицируемо

Третье уравнение - это тождество, поэтому его не идентифицируют.

Для проверки на достаточное условие заполняем следующую таблицу коэффициентов при отсутствующих в первом уравнении коэффициентов:

Определитель матрицы:

Ранг матрицы равен 2, то есть не меньше числа эндогенных переменных в системе без одной. Следовательно, достаточное условие выполняется.

2. Укажите способ оценки параметров структурной модели

Так как исследуемая система точно идентифицируема и может быть решена косвенным методом наименьших квадратов.

3.Найдите структурные коэффициенты модели.

Приведенная форма модели имеет вид:

Здесь 3; - 2; 5; 1 - приведенные коэффициенты модели; u 1 ; u 2 - случайные ошибки.

Вычисление структурных коэффициентов модели:

1) Из второго уравнения приведенной формы выразим W (так как его нет в первом уравнении структурной формы)

Данное выражение содержит переменные P и Y, которые входят в правую часть первое уравнения структурной формы модели (СФМ). Подставим полученное выражение W в первое уравнение приведенной формы модели (ПФМ)

Откуда получим первое уравнение СФМ в виде:

2) Во втором уравнении СФМ нет переменной Y. Из первого уравнения приведенной формы выразим Y

Подставим полученное выражение W во второе уравнение приведенной формы модели (ПФМ):

Откуда получим второе уравнение СФМ в виде:

Таким образом, СФМ примет вид

4. Задача 4

Динамика пассажирооборота предприятий транспорта региона характеризуется следующими данными:

	Млрд. пассажиро-км.

Задание

3.С помощью критерия Дарбина-Уотсона сделайте выводы относительно автокорреляции в остатках в рассматриваемом уравнении.

1.Определите коэффициент автокорреляции первого порядка и дайте его интерпретацию.

Коэффициент автокорреляции первого порядка:

,

;

Составляем таблицу промежуточных вычислений:

		Млрд. пассажиро-км. y t	Млрд. пассажиро-км. y t-1

; ; ,

2.Постройте уравнение тренда в форме параболы второго порядка. Поясните интерпретацию параметров.

Парабола второго порядка имеет вид: , значения t =1, 2, 3…

Парабола второго порядка имеет 3 параметра b 0 , b 1 , b 2 , которые определяются из системы трех уравнений:

Составляем таблицу промежуточных вычислений:

Решаем систему уравнения относительно переменных b 0 , b 1 , b 2 методом Крамера.

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы в матрице коэффициентов столбцом свободных членов и находим определители полученных матриц:

По формулам Крамера находим:

;;.

Парабола второго порядка для данного случая имеет вид:

.

Строим таблицу значений:

3. С помощью критерия Дарбина-Уотсона сделайте выводы относительно автокорреляции в остатках в рассматриваемом уравнении.

Автокорреляция в остатках находится с помощью критерия Дарбина -- Уотсона и расчета величины:

Величина d есть отношение суммы квадратов разностей последовательных значений остатков к остаточной сумме квадратов по модели регрессии. Практически во всех статистических ППП значение критерия Дарбина - Уотсона указывается наряду с коэффициентом детерминации, значениями t- и F-критериев.

Коэффициент автокорреляции остатков первого порядка определяется как

Между критерием Дарбина-Уотсона и коэффициентом автокорреляции остатков первого порядка имеет место следующее соотношение:

Таким образом, если в остатках существует полная положительная автокорреляция и, то d=0. Если в остатках полная отрицательная автокорреляция, то и, следовательно, d=4. Если автокорреляция остатков отсутствует, то и d=2. Следовательно, .

Фактическое значение критерия Дарбина-Уотсона для этой модели составляет

Сформулируем гипотезы:

Н 0 - в остатках нет автокорреляции;

Н 1 - в остатках есть положительная автокорреляция;

Н 1 * - в остатках есть отрицательная автокорреляция.

Фактическое значение сравниваем с табличным: d L и d U , для заданного числа наблюдений n, числа независимых переменных k и уровня значимости??

Получаем: d L =0,66; d U ,=1,60, то есть

4.Дайте интервальный прогноз ожидаемого уровня пассажирооборота на 2005 год.

Рассчитываем ошибку прогноза:

где S - стандартная ошибка параболы второй степени.

Получаем:

5. Задача 5

Изучается зависимость оборота розничной торговли региона (y i - млрд. руб.) от реальных денежных расходов населения (x i - % к декабрю предыдущего года) по следующим данным:

	Оборот розничной торговли, млрд. руб., y t	Реальные денежные доходы населения, % к декабрю предыдущего года, x t
Сентябрь

Задание

1.Определите коэффициент корреляции между временными рядами, используя:

а) непосредственно исходные уровни,

Коэффициент корреляции величин x t и y t (r xy):

Находим необходимые значения, учитывая, что n=12.Составляем таблицу промежуточных вычислений:

Сентябрь

Полученное значение коэффициента корреляции близко к 1, следовательно, между X и Y существует довольно тесная связь.

б) первые разности уровней рядов.

Переходим от первоначальных данных к первым разностям уровней

Сентябрь

2.Обоснуйте различие полученных результатов и сделайте вывод о тесноте связи между временными рядами.

Данные величины расходятся из-за вмешательства фактора времени. Вмешательство фактора времени может привести к ложной корреляции. Для того, чтобы ее устранить, существуют методы, один из которых здесь применили.

3.Постройте уравнение регрессии, включив в него фактор времени. Дайте интерпретацию параметров уравнения. Сделайте предположение относительно статистической значимости коэффициента регрессии при факторе х.

Сентябрь

Решаем систему уравнения относительно переменных a, b, c методом Крамера.

Развернутая матрица системы уравнений:

Находим определитель матрицы коэффициентов:

Заменяем последовательно столбцы в матрице коэффициентов столбцом свободных членов и находим определители полученных матриц:

По формулам Крамера находим:

Модель, включающая фактор времени имеет вид:

Литература

корреляция регрессия детерминация тренд

1. Эконометрика (методические указания по изучению дисциплины и выполнению контрольной работы) г. Москва ИНФРА-М 2002 - 88 с.;

2. Елисеева И.И. Эконометрика г. Москва “Финансы и статистика” 2002.-344 с.;

3. Елисеева И.И. Практикум по эконометрике г. Москва “Финансы и статистика” 2003.-192 с.;

Размещено на Allbest.ru

...

Подобные документы

Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

контрольная работа , добавлен 11.04.2015


Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

контрольная работа , добавлен 11.12.2010


Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

контрольная работа , добавлен 05.05.2010


Расчёт параметров линейного уравнения регрессии. Оценка регрессионного уравнения через среднюю ошибку аппроксимации, F-критерий Фишера, t-критерий Стьюдента. Анализ корреляционной матрицы. Расчёт коэффициентов множественной детерминации и корреляции.

контрольная работа , добавлен 29.08.2013


Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

контрольная работа , добавлен 01.12.2013


Выполнение кластерного анализа предприятий с помощью программы Statgraphics Plus. Построение линейного уравнения регрессии. Расчет коэффициентов эластичности по регрессионным моделям. Оценка статистической значимости уравнения и коэффициента детерминации.

задача , добавлен 16.03.2014


Факторы, формирующие цену квартир в строящихся домах в Санкт-Петербурге. Составление матрицы парных коэффициентов корреляции исходных переменных. Тестирование ошибок уравнения множественной регрессии на гетероскедастичность. Тест Гельфельда-Квандта.

контрольная работа , добавлен 14.05.2015


Оценка тесноты связи с помощью показателей корреляции и детерминации. Построение поля корреляции и расчёт параметров линейной регрессии. Результаты вычисления функций и нахождение коэффициента детерминации. Регрессионный анализ и прогнозирование.

курсовая работа , добавлен 07.08.2011


Построение поля корреляции с формулировкой гипотезы о форме связи. Построение моделей парной регрессии. Оценка тесноты связи с помощью коэффициента (индекса) корреляции. Расчет прогнозного значения результата и доверительного интервала прогноза.

контрольная работа , добавлен 06.08.2010


Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.