86059 (О теории вероятностей), страница 4
Описание файла
Документ из архива "О теории вероятностей", который расположен в категории "". Всё это находится в предмете "математика" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. Архив можно найти в разделе "к экзамену/зачёту", в предмете "математика" в общих файлах.
Онлайн просмотр документа "86059"
Текст 4 страницы из документа "86059"
C2=A2 + B2 + AB2 + Z2
C2 – общая дисперсия изучаемого признака С;
A2 – доля дисперсии, вызванная влиянием фактора А;
B2 – доля дисперсии, вызванная влиянием фактора В;
AB2 – доля дисперсии, вызванная взаимодействием факторов А и В;
Z2 – доля дисперсии, вызванная неучтенными случайными причинами (случайная дисперсия);
В дисперсионном анализе рассматривается гипотеза Н0 – и один из рассматриваемых факторов не оказывает влияния на изменчивость признака. Значимость каждой из оценок дисперсии проверяется по величине ее отношения к оценке случайной дисперсии и сравнивается с соответствующим критическим значением, при уровне значимости , с помощью таблиц критических значений F-распределения Фишера-Снедекора. Гипотеза Н0 относительно того или иного источника изменчивости отвергается, если Fрасч>Fкр. В дисперсионном анализе рассматриваются эксперименты 3 видов:
1. эксперименты, в которых все факторы имеют систематические (фиксированные) уровни;
2. эксперименты, в которых все факторы имею случайные уровни;
3. эксперименты, в которых есть факторы, имеющие случайные уровни, а так же факторы, имеющие случайные уровни.
Двухфакторный дисперсионный анализ с повторениями представляет собой более сложный вариант однофакторного анализа, включающего более чем одну выборку для каждой группы данных. Двухфакторный дисперсионный анализ позволяет статистически обосновать существенность влияния факторных признаков А и В взаимодействия факторов (А и В) на результативный фактор F.
Двухфакторный дисперсионный анализ без повторений позволяет оценить существенность воздействия факторов А и В на результирующий фактор без учета воздействия взаимодействии факторов А и В.
46. Оценка методом наименьших квадратов коэффициентов регрессии
Регрессионный анализ – один из основных методов современной мат статистики. Корреляционный анализ позволяет установить существует или не существует зависимость м/у парами наблюдений, то регрессионный анализ дает целый арсенал методов построения соответствующих зависимостей. Классическим методом оценивания коэффициентов уравнения регрессии является метод наименьших квадратов (МНК).
На основании известных n пар наблюдений (xi, yi) делается предположение о виде зависимости, например:
y=a+bx,
где y – зависимая (результативная) переменная, х – независимая (факторная) переменная.
Пусть переменная x задается точно (без ошибок), тогда отклонение наблюдений yi от зависимости y=a+bx является случайным и параметры a и b можно найти из условия минимизации суммы квадратов ошибок
εi=yi–a–bxi
S= εi2→ min,
S= ( yi–a–bxi)2→ min,
Эта система носит название системы нормальных уравнений Гаусса, т.к. получена из условия минимизации суммы квадратов отклонении, в предположении, что xi – фиксированы, т.е. отклонения перпендикулярны оси ОХ.