Презентация Статистические методы анализа связей онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Статистические методы анализа связей абсолютно бесплатно. Урок-презентация на эту тему содержит всего 25 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 » Статистические методы анализа связей
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:25 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:395.50 kB
- Просмотров:106
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№4 слайд
![.Парная линейная и нелинейная](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img3.jpg)
Содержание слайда: 2.Парная линейная и нелинейная связи.
2.Парная линейная и нелинейная связи.
Частным случаем статистической связи является корреляционная связь.
Корреляционная связь между признаками х и у (это связь в среднем: заданному значению х ставится в соответствие среднее значение y) записывается в виде уравнения корреляционной связи, или уравнения регрессии:
Y=f(х),
где f(х) — определенный вид функции корреляционной связи, которая описывает линию регрессии.
№6 слайд
![Парная регрессия Парная](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img5.jpg)
Содержание слайда: Парная регрессия
Парная регрессия
Наиболее часто для характеристики корреляционной связи между признаками применяют такие виды уравнений парной регрессии, или корреляционных уравнений:
а) линейный (8.2)
б) параболический (8.3)
в) гиперболический (8.4)
г) степенной (8.5)
и др.
где а0, а1 — параметры уравнений регрессии, которые подлежат определению и находятся методом наименьших квадратов(МНК).
№7 слайд
![В случае линейной связи ее](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img6.jpg)
Содержание слайда: В случае линейной связи ее теснота измеряется с помощью коэффициента парной корреляции и детерминации:
В случае линейной связи ее теснота измеряется с помощью коэффициента парной корреляции и детерминации:
r2 - коэффициент детерминации. Он показывает
меру качества уравнения регрессии: чем ближе r2 к 1, тем лучше регрессия описывает зависимость между xi и y. Коэффициент детерминации может быть выражен в процентах.
№11 слайд
![.Множественная линейная и](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img10.jpg)
Содержание слайда: 4 .Множественная линейная и нелинейная связи.
4 .Множественная линейная и нелинейная связи.
Если на результативный фактор влияет не один, а несколько факторов, то применяют
(не парную), а множественную регрессию.
Эта связь может быть выражена линейными и нелинейными функциями.
Наиболее часто используемой является линейная функция – уравнение множественной линейной регрессии в виде:
где а0,… аk — параметры уравнений регрессии (находятся с помощью МНК). Они показывают, на сколько изменится y при изменении xi на 1 единицу и при неизменных остальных факторах.
№16 слайд
![Коэффициент множественной](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img15.jpg)
Содержание слайда: Коэффициент множественной детерминации показывает, в какой мере вариация результативного признака у определяется вариацией факторного признака х.
Коэффициент множественной детерминации показывает, в какой мере вариация результативного признака у определяется вариацией факторного признака х.
Коэффициент детерминации принимает значение от 0 до 1.
№17 слайд
![. Оценка и проверка качества](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img16.jpg)
Содержание слайда: 5. Оценка и проверка качества модели
5. Оценка и проверка качества модели
А). для парной связи
После установления тесноты связи дают оценку значимости связи между признаками.
Под термином «значимость связи» понимают оценку отклонения выборочных переменных от своих значений в генеральной совокупности посредством статистических критериев.
Оценку значимости связи осуществляют с использованием F-критерия Фишера и t-критерия Стьюдента.
Для парной регрессии (линейной и нелинейной) F-критерий Фишера рассчитывается по формуле:
где [1, n-2] – число степеней свободы числителя и знаменателя формулы.
№18 слайд
![Под термином степень свободы](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img17.jpg)
Содержание слайда: Под термином «степень свободы» понимают целое число, которое показывает, сколько независимых элементов информации в переменных у нужно для суммы их квадратов, что объясняет соответствующую дисперсию: общую, межгрупповую, среднюю из групповых .
Под термином «степень свободы» понимают целое число, которое показывает, сколько независимых элементов информации в переменных у нужно для суммы их квадратов, что объясняет соответствующую дисперсию: общую, межгрупповую, среднюю из групповых .
Для множественной регрессии степени свободы равны:
(k ; n-k-1)
Теоретическое значение (рассчитанное по формуле) F сравнивают с табличным (критическим) значением Fтабл.
Последнее выбирают из справочных математических таблиц F-критерия Фишера в зависимости от степеней свободы 1, (п - 2) и принятого уровня значимости ά(альфа). (0,05 -5% вероятность допустимой ошибки)
Если F > Fтабл, то связь между признаками признается значимой.
№19 слайд
![Для проверки значимости](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img18.jpg)
Содержание слайда: Для проверки значимости коэффициентов уравнения множественной регрессии аi (i=1,..,k) используют Критерий Стьюдента:
Для проверки значимости коэффициентов уравнения множественной регрессии аi (i=1,..,k) используют Критерий Стьюдента:
Коэффициенты уравнения (модели) признаются статистически значимыми, если |t i | >t (ά; n-k-1).
Где: t (ά; n-k-1) - табличное значение.
ά - уровень значимости
n-k-1 - число степеней свободы, которое характеризует число свободно варьирующих элементов совокупности.
n – число наблюдений
k – число факторных признаков.
№22 слайд
![Когда каждый из качественных](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img21.jpg)
Содержание слайда: Когда каждый из качественных признаков состоит более чем из двух групп, то для определения тесноты связи возможно применение коэффициентов взаимной сопряженности Пирсона-Чупрова. Эти коэффициенты вычисляются по следующим формулам:
Когда каждый из качественных признаков состоит более чем из двух групп, то для определения тесноты связи возможно применение коэффициентов взаимной сопряженности Пирсона-Чупрова. Эти коэффициенты вычисляются по следующим формулам:
где φ2 — показатель взаимной сопряженности;
φ — определяется как сумма отношений квадратов частот каждой клетки таблицы к произведению итоговых частот, соответствующего столбца и строки. Вычитая из этой суммы «1», получим величину φ 2:
К1 - число значений (групп) первого признака;
K2 - число значений (групп) второго признака.
Чем ближе величина Кп и Кч к 1, тем теснее связь.
№23 слайд
![Ранговые коэффициенты связи](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img22.jpg)
Содержание слайда: Ранговые коэффициенты связи
Ранговые коэффициенты связи
Среди непараметрических методов оценки тесноты связи ранжированных признаков наибольшее значение имеют ранговые коэффициенты Спирмена (ρxy) и Кендалла (τxy).
Эти коэффициенты могут быть использованы для определения тесноты связи как между количественными, так и между качественными признаками.
№24 слайд
![Коэффициент корреляции рангов](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img23.jpg)
Содержание слайда: Коэффициент корреляции рангов (коэффициент Спирмена) рассчитывается по формуле
Коэффициент корреляции рангов (коэффициент Спирмена) рассчитывается по формуле
где di2 (Rxj – Ryj)- квадраты разности рангов;
п — количество единиц в ряду.
Коэффициент Спирмена принимает любые значения в интервале -1; 1.
Если di=0 p=1 –существует тесная прямая связь. Если первому рангу по размеру одного признака соответствует последний ранг по размеру второго признака, второму рангу – предпоследний ранг второго признака и т.п., то p = -1, и существует тесная обратная связь. Если значение p близко к 0, то связь слабая или ее вообще нет.
№25 слайд
![Алгоритм проведения](/documents_6/4ee1f6bc8ed0a59d40e5b9db61c04bfa/img24.jpg)
Содержание слайда: Алгоритм проведения корреляционно-регрессионного анализа.
Алгоритм проведения корреляционно-регрессионного анализа.
отбор наиболее существенных данных для включения в корреляционно-регрессионные модели, дифференциация их на объясняющие и результативные признаки;
выявление причин возникновения взаимосвязей между признаками, предварительный расчёт и анализ парных коэффициентов корреляции, построение матрицы коэффициентов множественной корреляции и оценка возможных вариантов группировки признаков для построения регрессионной модели;
решение уравнения регрессии – вычисление коэффициентов уравнения регрессии и их смысловая интерпретация;
статическая оценка достоверности параметров уравнения и общая оценка качества модели;
практические выводы из анализа, применение результатов анализа для совершенствования планирования и управления экономическим процессом.
Скачать все slide презентации Статистические методы анализа связей одним архивом:
Похожие презентации
-
Введение в методы статистического анализа многомерных объектов
-
Статистические методы анализа данных
-
Статистический анализ связей
-
Применение методов статистического анализа для изучения общественного здоровья
-
Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1)
-
Краткий обзор методов статистического анализа количественных переменных
-
Методы статистического анализа в Ms Excel для анализа социологических данных
-
Статистические методы анализа данных параметров транспортного процесса
-
Программирование задач управления с использованием методов статистического анализа на языке R
-
«Применение методов математической статистики при анализе результатов психологических исследований». Сняткова Евгения Никол