Презентация Парная линейная регрессия и метод наименьших квадратов онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Парная линейная регрессия и метод наименьших квадратов абсолютно бесплатно. Урок-презентация на эту тему содержит всего 39 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Математика » Парная линейная регрессия и метод наименьших квадратов
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:39 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:279.50 kB
- Просмотров:113
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№3 слайд
![Виды зависимостей между](/documents_6/d181310346c5fd3222fd76c42604def1/img2.jpg)
Содержание слайда: Виды зависимостей между переменными
1. Функциональные: Y = f(X).
Имеют место при исследовании связей между
неслучайными переменными. Такие связи в
эконометрике не рассматриваются.
2. Статистические: изменение одной из величин влечет изменение закона распределения другой (доход – потребление, цена – спрос и т.д.).
№4 слайд
![Виды статистических](/documents_6/d181310346c5fd3222fd76c42604def1/img3.jpg)
Содержание слайда: Виды статистических зависимостей
а) Корреляционные: при изменении одной из величин изменяется среднее значение другой (связь между переменными не носит направленного характера)
M[Y/X = x] = Mx[Y] = (x), M[X/Y = y] = My[X] = (y),
где M[Y/X = x] м. о. случайной величины Y, вычисленное при условии, что случайная величина X приняла значение x, (x) const, (y) const.
б) Регрессионные: односторонняя зависимость среднего значения случайной величины Y от одной X или нескольких X1,,Xm случайных величин.
№7 слайд
![Определение регрессии](/documents_6/d181310346c5fd3222fd76c42604def1/img6.jpg)
Содержание слайда: Определение регрессии
Регрессия – функциональная зависимость между объясняющими переменными и условным математическим ожиданием (средним значением) зависимой переменной, которая строится с целью прогнозирования этого среднего значения при фиксированных значениях объясняющих переменных.
№8 слайд
![Регрессионные модели Mx Y X](/documents_6/d181310346c5fd3222fd76c42604def1/img7.jpg)
Содержание слайда: Регрессионные модели
Mx[Y] = (X) парная регрессия,
Mx[Y] = (X1,,Xm) множественная регрессия,
где (X) const,
X объясняющая, входная, предсказывающая,
экзогенная, неслучайная переменная, фактор,
регрессор, факторный признак;
Y зависимая, объясняемая, выходная,
результирующая, эндогенная, случайная
переменная, результирующий признак.
№11 слайд
![Регрессионные уравнения Y M Y](/documents_6/d181310346c5fd3222fd76c42604def1/img10.jpg)
Содержание слайда: Регрессионные уравнения
Y = M[Y/x] + = (x) + уравнение парной регрессии,
Y = M[Y/x1 ,, xm] + = (x1 ,, xm) + уравнение множественной регрессии,
где случайный фактор (остаток), обусловленный многими причинами.
В зависимости от вида функции (x) модели делятся на линейные и нелинейные.
№12 слайд
![Причины обязательного](/documents_6/d181310346c5fd3222fd76c42604def1/img11.jpg)
Содержание слайда: Причины обязательного присутствия случайного фактора
Невключение в модель всех объясняющих переменных.
Неправильный выбор функциональной формы модели.
Агрегирование переменных (факторы представляют собой комбинацию других переменных).
Ошибки измерений.
Ограниченность статистических данных.
Непредсказуемость человеческого фактора.
№13 слайд
![Этапы построения](/documents_6/d181310346c5fd3222fd76c42604def1/img12.jpg)
Содержание слайда: Этапы построения качественного уравнения регрессии
1. Определение конечных целей эконометрического моделирования, набора участвующих в модели факторов и их роли (постановочный этап).
2. Предмодельный анализ экономической сущности изучаемого явления (априорный этап).
3. Сбор необходимой статистической информации (информационный этап).
№14 слайд
![Этапы построения](/documents_6/d181310346c5fd3222fd76c42604def1/img13.jpg)
Содержание слайда: Этапы построения качественного уравнения регрессии
4. Выбор формулы уравнения регрессии (спецификация уравнения регрессии).
5. Определение параметров выбранного уравнения (параметризация).
6. Анализ качества уравнения и проверка его адекватности эмпирическим данным, совершенствование уравнения (верификация).
№16 слайд
![Примеры взаимосвязи между](/documents_6/d181310346c5fd3222fd76c42604def1/img15.jpg)
Содержание слайда: Примеры взаимосвязи между переменными
а) Взаимосвязь между Y и X близка к линейной: Y = a + bX
б) Взаимосвязь близка к квадратической: Y = a + bX + cX2
в) Взаимосвязь между Y и X отсутствует. Какую бы мы ни выбрали форму связи, результаты проверки ее качества будут неудачными
№20 слайд
![Задачи линейного](/documents_6/d181310346c5fd3222fd76c42604def1/img19.jpg)
Содержание слайда: Задачи линейного регрессионного анализа
Задачи линейного регрессионного анализа состоят в
том, чтобы по имеющимся статистическим данным
(xi, yi), i = 1, 2, , n, для переменных X и Y:
а) получить наилучшие оценки параметров 0 и 1;
б) проверить статистические гипотезы о параметрах модели;
в) проверить, адекватность модели данным наблюдений.
№21 слайд
![Эмпирическое уравнение](/documents_6/d181310346c5fd3222fd76c42604def1/img20.jpg)
Содержание слайда: Эмпирическое уравнение регрессии
По выборке ограниченного объема нельзя точно
определить теоретические значения 0 и 1..
Можно лишь построить эмпирическое уравнение
регрессии:
где b0 и b1 – оценки параметров 0 и 1 эмпирические
коэффициенты регрессии).
– оценка условного м. о. M[Y/X = xi].
№22 слайд
![Эмпирическое уравнение](/documents_6/d181310346c5fd3222fd76c42604def1/img21.jpg)
Содержание слайда: Эмпирическое уравнение регрессии
В результате имеем:
где ei – оценка теоретического случайного отклонения i .
Оценки b0 и b1 отличаются от истинных значений 0 и 1,
что приводит к несовпадению эмпирической и
теоретической линий регрессии. По различным
выборкам из одной и той же генеральной
совокупности получают разные значения оценок
коэффициентов регрессии.
№25 слайд
![Метод наименьших квадратов](/documents_6/d181310346c5fd3222fd76c42604def1/img24.jpg)
Содержание слайда: Метод наименьших квадратов
Наиболее распространена методом наименьших квадратов
(МНК), реализующий минимизацию суммы квадратов
отклонений:
Основные особенности МНК:
Он наиболее простой с вычислительной точки зрения.
Оценки коэффициентов регрессии по МНК при определенных предпосылках обладают рядом оптимальных свойств.
№37 слайд
![Пример A построения уравнения](/documents_6/d181310346c5fd3222fd76c42604def1/img36.jpg)
Содержание слайда: Пример (A) построения уравнения регрессии
Т.о., уравнение парной линейной регрессии имеет вид:
Изобразим данную прямую регрессии на корреляционном
поле. По этому уравнению рассчитаем , а также
Для анализа степени линейной зависимости вычислим:
Отсюда можно сделать вывод о сильной прямой линейной
зависимости между переменными.
Скачать все slide презентации Парная линейная регрессия и метод наименьших квадратов одним архивом:
Похожие презентации
-
Линейная модель парной регрессии. Метод наименьших квадратов
-
Многомерный регрессионный анализ. Использование для решения задачи однооткликового метода наименьших квадратов
-
Регрессионный анализ. Метод наименьших квадратов
-
По математике "Метод наименьших квадратов" - скачать
-
Предпосылки метода наименьших квадратов. Обобщенный МНК
-
Парная линейная регрессия. Оценивание по МНК коэффициентов регрессии
-
Нелинейная парная регрессия
-
Численное моделирование. Метод наименьших квадратов. (Лекция 7)
-
Методы решения квадратных уравнений
-
Общие методы решения квадратных уравнений Выполнила учитель математики I категории Поликарпова З. Ю.