Презентация на тему: Модели статистического прогнозирования
Модели статистического прогнозирования
Модели статистического прогнозирования
Статистика – наука о сборе, изменении и анализе массовых количественных данных
Виды статистики Медицинская Экономическая Социальная Математическая и др.
Табличное и графическое представление статистических данных С, мг/м3 Р, бол./тыс. 2 19 2,5 20 2,9 32 3,2 34 3,6 51 3,9 55 4,2 90 4,6 108 5 171
Два варианта построения графической зависимости по экспериментальным данным
Метод наименьших квадрантов Этапы получения регрессивной функции: y=ax+b – линейная функция; y=ax2+bx+c – квадратичная функция; y=a ln(x)+b – логарифмическая функция; y=aebx – экспоненциальная функция; y=axb – степенная функция; y=ax3+bx2+cx+d – полином 3 степени. ТРЕНД (англ. “trend”) – общее направление или тенденция y=46,361x-99,881 R2=0,8384 y=3.4302e0,7555x R2=0,9716 y=21,845x2-106,97x+150,21 R2=0,9788
Три функции построенные по МНК y=46,361x-99,881 – линейная функция y=3.4302e0,7555x - экспоненциальная функция y=21,845x2-106,97x+150,21 – квадратичная функция R2 – коэффициент детерменированности (определяет, насколько удачной является полученная регрессионная модель)
Метод наименьших квадрантов Этапы получения регрессивной функции: y=ax+b – линейная функция; y=ax2+bx+c – квадратичная функция; y=a ln(x)+b – логарифмическая функция; y=aebx – экспоненциальная функция; y=axb – степенная функция; y=ax3+bx2+cx+d – полином 3 степени. ТРЕНД (англ. “trend”) – общее направление или тенденция y=46,361x-99,881 R2=0,8384 y=3.4302e0,7555x R2=0,9716 y=21,845x2-106,97x+150,21 R2=0,9788
Прогнозирование по регрессионной модели
Прогнозирование с помощью электронных таблиц y=21,845x2-106,97x+150,21 R2=0,9788
