Нормальный закон распределения вероятностей. Линейная регрессия. Линейная корреляция
Курсовая работа, 16 Января 2012, автор: пользователь скрыл имя
Описание работы
Регрессия – это взаимосвязь между двумя и более показателями, выраженное в виде математической функции.
Построить линейную регрессию означает найти значения параметров a и b. Оценку параметра регрессии производят с помощью метода наименьших квадратов. Суть метода: ищется такое уравнение прямой, расстояние до которой от каждой точки минимальное в сумме или величина.
Работа содержит 1 файл
Линейная корреляция.doc
— 253.50 Кб (Скачать)- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 9 | 1 | 9 | 81 |
| 2 | 4 | 3 | 12 | 16 |
| 3 | 7 | 2 | 14 | 49 |
| 4 | 2 | 6 | 12 | 4 |
| Σ | 22 | 12 | 47 | 150 |
| ср. | 5,5 | 3 | 11,75 | 37,5 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 6 | 2 | 12 | 36 |
| 2 | 2 | 9 | 18 | 4 |
| 3 | 8 | 5 | 40 | 64 |
| 4 | 5 | 7 | 35 | 25 |
| Σ | 21 | 23 | 105 | 129 |
| ср. | 5,25 | 5,75 | 26,25 | 32,25 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 0,5 | 2 | 1 | 0,25 |
| 2 | 3 | 4 | 12 | 9 |
| 3 | 4 | 6 | 24 | 16 |
| 4 | 1 | 9 | 9 | 1 |
| Σ | 8,5 | 21 | 46 | 26,25 |
| ср. | 2,125 | 5,25 | 11,5 | 6,5625 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 4 | 2 | 8 | 16 |
| 2 | 7 | 2 | 14 | 49 |
| 3 | 3 | 9 | 27 | 9 |
| 4 | 1 | 8 | 8 | 1 |
| Σ | 15 | 21 | 57 | 75 |
| ср. | 3,75 | 5,25 | 14,25 | 18,75 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 5 | 8 | 40 | 25 |
| 2 | 7 | 3 | 21 | 49 |
| 3 | 1 | 9 | 9 | 1 |
| 4 | 3 | 2 | 6 | 9 |
| Σ | 16 | 22 | 76 | 84 |
| ср. | 4 | 5,5 | 19 | 21 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 6 | 4 | 24 | 36 |
| 2 | 8 | 9 | 72 | 64 |
| 3 | 3 | 2 | 6 | 9 |
| 4 | 5 | 7 | 35 | 25 |
| Σ | 22 | 22 | 137 | 134 |
| ср. | 5,5 | 5,5 | 34,25 | 33,5 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 7 | 6 | 42 | 49 |
| 2 | 4 | 1 | 4 | 16 |
| 3 | 1 | 5 | 5 | 1 |
| 4 | 2 | 8 | 16 | 4 |
| Σ | 14 | 20 | 67 | 70 |
| ср. | 3,5 | 5 | 16,75 | 17,5 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 1 | 5 | 5 | 1 |
| 2 | 8 | 7 | 56 | 64 |
| 3 | 4 | 3 | 12 | 16 |
| 4 | 3 | 8 | 24 | 9 |
| Σ | 16 | 23 | 97 | 90 |
| ср. | 4 | 5,75 | 24,25 | 22,5 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 9 | 5 | 45 | 81 |
| 2 | 2 | 3 | 6 | 4 |
| 3 | 4 | 6 | 24 | 16 |
| 4 | 7 | 1 | 7 | 49 |
| Σ | 22 | 15 | 82 | 150 |
| ср. | 5,5 | 3,75 | 20,5 | 37,5 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 5 | 2 | 10 | 25 |
| 2 | 3 | 9 | 27 | 9 |
| 3 | 7 | 4 | 28 | 49 |
| 4 | 1 | 3 | 3 | 1 |
| Σ | 16 | 18 | 68 | 84 |
| ср. | 4 | 4,5 | 17 | 21 |