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 | 2 | 3 | 6 | 4 |
| 2 | 7 | 1 | 7 | 49 |
| 3 | 0,5 | 4 | 2 | 0,25 |
| 4 | 4 | 2 | 8 | 16 |
| Σ | 13,5 | 10 | 23 | 69,25 |
| ср. | 3,375 | 2,5 | 5,75 | 17,3125 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 4 | 8 | 32 | 16 |
| 2 | 7 | 0,7 | 4,9 | 49 |
| 3 | 3 | 5 | 15 | 9 |
| 4 | 1 | 0,5 | 0,5 | 1 |
| Σ | 15 | 14,2 | 52,4 | 75 |
| ср. | 3,75 | 3,55 | 13,1 | 18,75 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 5 | 6 | 30 | 25 |
| 2 | 7 | 4 | 28 | 49 |
| 3 | 9 | 5 | 45 | 81 |
| 4 | 1 | 2 | 2 | 1 |
| Σ | 22 | 17 | 105 | 156 |
| ср. | 5,5 | 4,25 | 26,25 | 39 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 9 | 3 | 27 | 81 |
| 2 | 4 | 2 | 8 | 16 |
| 3 | 1 | 3 | 3 | 1 |
| 4 | 2 | 7 | 14 | 4 |
| Σ | 16 | 15 | 52 | 112 |
| ср. | 4 | 3,75 | 13 | 28 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 2 | 5 | 10 | 4 |
| 2 | 7 | 4 | 28 | 49 |
| 3 | 0,5 | 3 | 1,5 | 0,25 |
| 4 | 4 | 2 | 8 | 16 |
| Σ | 18,5 | 14 | 47,5 | 69,25 |
| ср. | 4,625 | 3,5 | 11,875 | 17,3125 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 0,3 | 0,5 | 0,15 | 0,09 |
| 2 | 0,8 | 4 | 3,2 | 0,64 |
| 3 | 0,01 | 2 | 0,02 | 0,0001 |
| 4 | 3 | 9 | 27 | 9 |
| Σ | 4,11 | 15,5 | 30,37 | 9,7301 |
| ср. | 1,0275 | 3,875 | 7,5925 | 2,4325 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 5 | 6 | 30 | 25 |
| 2 | 2 | 0,7 | 1,4 | 4 |
| 3 | 0,3 | 9 | 2,7 | 0,09 |
| 4 | 8 | 4 | 32 | 64 |
| Σ | 15,3 | 19,7 | 66,1 | 93,09 |
| ср. | 3,825 | 4,925 | 16,525 | 23,2725 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 9 | 5 | 45 | 81 |
| 2 | 4 | 4 | 16 | 16 |
| 3 | 7 | 8 | 56 | 49 |
| 4 | 1 | 3 | 3 | 1 |
| Σ | 21 | 20 | 120 | 147 |
| ср. | 5,25 | 5 | 30 | 36,75 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 0,8 | 4 | 3,2 | 0,64 |
| 2 | 5 | 0,9 | 4,5 | 25 |
| 3 | 9 | 3 | 27 | 81 |
| 4 | 0,7 | 9 | 6,3 | 0,49 |
| Σ | 15,5 | 16,9 | 41 | 107,13 |
| ср. | 3,875 | 4,225 | 10,25 | 26,7825 |
- Построить модель линейной регрессии.
| № | x | y | xy | x2 |
| 1 | 9 | 3 | 27 | 81 |
| 2 | 4 | 5 | 20 | 16 |
| 3 | 3 | 7 | 21 | 9 |
| 4 | 6 | 2,2 | 13,2 | 36 |
| Σ | 22 | 17,2 | 81,2 | 137 |
| ср. | 5,5 | 4,3 | 20,3 | 34,25 |