Презентация Проверка качества уравнения регрессии онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Проверка качества уравнения регрессии абсолютно бесплатно. Урок-презентация на эту тему содержит всего 66 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 » Проверка качества уравнения регрессии
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:66 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:490.00 kB
- Просмотров:67
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№3 слайд
![Случайные составляющие](/documents_6/e151de3b03b5515768008fb3284988ed/img2.jpg)
Содержание слайда: Случайные составляющие коэффициентов регрессии
После определения оценок b0 и b1 возникают вопросы:
насколько точно эмпирическое уравнение регрессии соответствует уравнению для всей генеральной совокупности;
насколько близки оценки b0 и b1 к своим теоретическим значениям 0 и 1;
как близко оцененное значение к условному математическому ожиданию M[Y/X = xi];
насколько надежны найденные оценки.
Для ответа на эти вопросы необходимы дополнительные исследования.
№5 слайд
![Свойства оценок коэффициентов](/documents_6/e151de3b03b5515768008fb3284988ed/img4.jpg)
Содержание слайда: Свойства оценок коэффициентов регрессии
Представим выборочную ковариацию Sxy в виде:
Sxy = Cov(X,0+1X+) = Cov(X,0) + Cov(X,1X) + Cov(X,) =
= 1Sx2 + Cov(X,).
Следовательно,
где 1 постоянная составляющая; случайная
компонента.
Тот же результат можно получить и для коэффициента b0.
№8 слайд
![Предпосылки использования МНК](/documents_6/e151de3b03b5515768008fb3284988ed/img7.jpg)
Содержание слайда: Предпосылки использования МНК (условия Гаусса – Маркова)
10. Случайное отклонение имеет нулевое
математическое ожидание.
20. Дисперсия случайного отклонения постоянна.
30. Наблюдаемые значения случайных отклонений
независимы друг от друга.
40. Случайное отклонение д.б. независимо от объясняющей переменной.
50. Регрессионная модель является линейной относительно параметров, корректно специфицирована и содержит аддитивный случайный член.
№14 слайд
![Предпосылки использования МНК](/documents_6/e151de3b03b5515768008fb3284988ed/img13.jpg)
Содержание слайда: Предпосылки использования МНК (условия Гаусса – Маркова)
60. Наряду с выполнимостью указанных предпосылок при построении линейных регрессионных моделей обычно делаются еще некоторые предположения, а именно:
случайное отклонение имеет нормальный закон распределения;
число наблюдений существенно больше числа объясняющих переменных;
отсутствуют ошибки спецификации;
отсутствует линейная взаимосвязь между двумя или несколькими объясняющими переменными.
№15 слайд
![Теорема Гаусса - Маркова](/documents_6/e151de3b03b5515768008fb3284988ed/img14.jpg)
Содержание слайда: Теорема Гаусса - Маркова
Теорема. Если предпосылки 10 – 50 выполнены, то оценки, полученные по МНК, обладают следующими свойствами:
1. Оценки являются несмещенными, т.е. M[b0] = 0, M[b1] = 1. Это говорит об отсутствии систематической ошибки при определении положения линии регрессии.
2. Оценки состоятельны, т.к. при n D[b0] 0, D[b1] 0. Это означает, что с ростом n надежность оценок возрастает.
3. Оценки эффективны, т.е. они имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров, линейными относительно величин yi.
№20 слайд
![Показатели качества](/documents_6/e151de3b03b5515768008fb3284988ed/img19.jpg)
Содержание слайда: Показатели качества коэффициентов регрессии
1. Стандартные ошибки оценок (анализ точности определения оценок).
2. Значения t-статистик (проверка гипотез относительно коэффициентов регрессии).
3. Интервальные оценки коэффициентов линейного уравнения регрессии.
4. Доверительные области для зависимой переменной.
№22 слайд
![Свойства дисперсий оценок .](/documents_6/e151de3b03b5515768008fb3284988ed/img21.jpg)
Содержание слайда: Свойства дисперсий оценок
1. Дисперсии D[b0] и D[b1] прямо пропорциональны дисперсии случайного отклонения 2. Следовательно, чем больше фактор случайности, тем менее точными будут оценки.
2. Чем больше число наблюдений n, тем меньше дисперсии оценок.
3. Чем больше дисперсия объясняющей переменной, тем меньше дисперсия оценок коэффициентов регрессии. Другими словами, чем шире область изменений объясняющей переменной, тем точнее будут оценки (тем меньше доля случайности в их определении).
№27 слайд
![Проверка значимости на основе](/documents_6/e151de3b03b5515768008fb3284988ed/img26.jpg)
Содержание слайда: Проверка значимости на основе t-статистик
Если принимается гипотеза H0, то считают, что величина Y не
зависит от X. В этом случае говорят, что коэффициент b1
статистически незначим (т.к. слишком близок к нулю). В
противном случае говорят, что коэффициент b1
статистически значим, что указывает на наличие линейной
зависимости между Y и X.
№31 слайд
![Порядок работы при проверке](/documents_6/e151de3b03b5515768008fb3284988ed/img30.jpg)
Содержание слайда: Порядок работы при проверке значимости коэффициента по t-статистике
1. Выбираем уровень значимости (1% или 5%).
2. Вычисляем число степеней свободы (n2).
3. По таблицам распределения Стьюдента определяем
критическое значение t/2; n-2 (двухсторонний критерий) или
t; n-2 (односторонний критерий).
4. Если модуль t-статистики больше критического значения,
то коэффициент является значимым на уровне значимости
.
5. В противном случае коэффициент не значим (на данном
уровне ).
№36 слайд
![Правило оценки значимости](/documents_6/e151de3b03b5515768008fb3284988ed/img35.jpg)
Содержание слайда: Правило оценки значимости коэффициентов регрессии без использования таблиц
1. Если , то коэффициент bi не м.б. признан значимым, т.к. доверительная вероятность менее 0,7.
2. Если , то найденная оценка может рассматриваться как относительно (слабо) значимая. При этом доверительная вероятность лежит между 0,7 и 0,95.
3. Если , то коэффициент значим. Доверительная вероятность лежит между значениями 0,95 и 0,99.
4. Если , то это почти полная гарантия значимости коэффициента.
№38 слайд
![Порядок работы при проверке](/documents_6/e151de3b03b5515768008fb3284988ed/img37.jpg)
Содержание слайда: Порядок работы при проверке значимости коэффициента по доверительному интервалу
1. Выбираем уровень значимости (1% или 5%).
2. Вычисляем число степеней свободы (n2).
3. По таблицам распределения Стьюдента определяем
критическое значение t/2; n-2 (двухсторонний критерий).
4. Вычисляем границы доверительного интервала.
5. Если точка 0 (ноль) не лежит внутри доверительного интервала, то коэффициент является значимым на уровне значимости .
6. В противном случае коэффициент не значим (на данном
уровне ).
№42 слайд
![Предсказание индивидуальных](/documents_6/e151de3b03b5515768008fb3284988ed/img41.jpg)
Содержание слайда: Предсказание индивидуальных значений зависимой переменной
Построенная доверительная область для Mx[Y] определяет
местоположение модельной линии регрессии (условного м.о.),
а не отдельных возможных значений зависимой переменной,
которые отклоняются от среднего .
Оценка дисперсии индивидуальных значений
при x = xp равна
№45 слайд
![Выводы по доверительным](/documents_6/e151de3b03b5515768008fb3284988ed/img44.jpg)
Содержание слайда: Выводы по доверительным областям для зависимой переменной
1. Прогноз значений зависимой переменной Y по уравнению регрессии оправдан, если значение x объясняющей переменной X не выходит за диапазон ее значений по выборке. Причем, чем ближе xp к тем точнее прогноз (уже доверительный интервал).
№47 слайд
![Пример А . Доверительные](/documents_6/e151de3b03b5515768008fb3284988ed/img46.jpg)
Содержание слайда: Пример (А). Доверительные области для зависимой переменной
2. Границы 95%-го доверительного интервала для индивидуальных объемов потребления равны:
Отсюда интервал, в котором будут находиться, по
крайней мере 95% индивидуальных объемов
потребления при доходе xp = 160, равен:
№50 слайд
![Основные свойства](/documents_6/e151de3b03b5515768008fb3284988ed/img49.jpg)
Содержание слайда: Основные свойства коэффициента детерминации
0 R2 1.
Чем ближе R2 к 1, тем лучше регрессия аппроксимирует статистические данные, тем теснее линейная связь между зависимой и объясняющими переменными.
Если R2 = 1, то статистические данные лежат на линии регрессии, т.е. между зависимой и объясняющими переменными имеется функциональная зависимость. Если R2 = 0, то вариация зависимой переменной полностью обусловлена воздействием неучтенных в модели переменных.
В случае парной регрессии R2 = rxy2.
№56 слайд
![Порядок работы при проверке](/documents_6/e151de3b03b5515768008fb3284988ed/img55.jpg)
Содержание слайда: Порядок работы при проверке значимости парного уравнения по F-статистике
1. Выбираем уровень значимости (1% или 5%).
2. Вычисляем число степеней свободы 1 и (n2).
3. По таблицам F-распределения определяем
критическое значение F; 1; n-2 (всегда одностороннее).
4. Если F-статистика больше F; 1; n-2 , то уравнение в целом является значимым на уровне значимости .
5. В противном случае уравнение в целом не значимо (на данном уровне ).
№64 слайд
![Типичные ошибки в](/documents_6/e151de3b03b5515768008fb3284988ed/img63.jpg)
Содержание слайда: Типичные ошибки в использовании показателей качества регрессии
Величина коэффициентов регрессии не указывает на силу связи или силу влияния на зависимую переменную
Значимость коэффициентов по t-тестам не позволяет сделать вывод о справедливости тех или иных теорий
t-статистики не указывают на относительную важность коэффициентов регрессии
t-статистики предназначены для использования исключительно для выборки и бесполезны для анализа всей совокупности
Нельзя сравнивать t-статистики, F-статистики, коэффициенты детерминации и др. у разных уравнений
№65 слайд
![Ограниченность простой](/documents_6/e151de3b03b5515768008fb3284988ed/img64.jpg)
Содержание слайда: Ограниченность простой регрессии
1. Никакая единственная переменная за редкими
исключениями не в состоянии хорошо «объяснить»
изменения зависимой переменной.
2. Могут существовать несколько одинаково хороших и
взаимно противоречивых регрессий.
3. Наконец, линейная форма примитивна.
Скачать все slide презентации Проверка качества уравнения регрессии одним архивом:
Похожие презентации
-
Оценка качества уравнения парной регрессии
-
Показатели качества уравнения множественной регрессии. Коэффициент детерминации
-
Тема: Уравнения с одной переменной Выполнила: Цыденова Б. 133 гр. Проверила: Щербакова И. И.
-
Равносильность уравнений Выполнила: Цыденова Б. Проверила: Щербакова И. И.
-
Данная презентация содержит блок-схему для решения квадратных уравнений и тренажер для проверки усвоенного
-
Проект на тему: Решение уравнений II,III,IV степени. Выполнил: Сармутдинов Талгат «10а» Проверила: Яковлева Т. П.
-
Проверка корней тригонометрического уравнения Учитель математики МБОУ «Тумакская С
-
Проверка корней тригонометрического уравнения
-
Оценка существенности уравнения регрессии и его параметров
-
Оценка качества подгонки линии регрессии к имеющимся данным