Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Задание 5 ⇐ ПредыдущаяСтр 5 из 5 Исходные данные распределения добавленной стоимости по отраслям экономики в ЕС в 2002 г. (выбрать любую из пар зависимого и независимого показателей). 1. Методом наименьших квадратов по табличным данным найти аппроксимирующие (приближаемые) функции, то есть регрессии: линейную, квадратичную, показательную, гиперболическую. 2. В каждом случае найти общую ошибку и среднюю ошибку аппроксимации. Указать функцию лучшей аппроксимации. 3. Построить линии регрессии на одной плоскости вместе с исходными данными. Таблицу можно считать функцией, заданной таблично. Решение. 1. Методом наименьших квадратов по табличным данным найдем аппроксимирующие (приближаемые) функции, то есть регрессии: а) линейную, б) квадратичную, в) показательную, г) гиперболическую. а) определим систему нормальных уравнений для нахождения оценок параметров линейной регрессии: . Для удобства расчетов представим таблицу исходных данных следующим образом:
Получим систему нормальных уравнений для линейной регрессии: Решим данную систему, используя надстройку MS Excel Поиск решения. Составим исходную табличную модель для решения системы линейных алгебраических уравнений.
В блок «Переменные» в первую строку записываем переменные системы алгебраических уравнений , во вторую строку записываем произвольные числовые значения 0 и 1. В блок «Матрица коэффициентов исходной системы» записываем соответствующую матрицу коэффициентов при переменных . В блок «Значения левых частей уравнений» в верхнюю ячейку вводим формулу: =СУММПРОИЗВ («фиксированный диапазон строки значений переменных »; «диапазон первой строки матрицы коэффициентов исходной системы»). В блок «Свободные члены исходной системы» в столбец записываем значения правой части исходной системы. Вызываем Поиск решения и заполняем форму: Запишем уравнение полученной линейной регрессии: . б) определим систему нормальных уравнений для нахождения оценок параметров квадратичной регрессии: - параболы второй степени. Составим вспомогательную таблицу и произведем расчеты, необходимые для составления системы нормальных уравнений.
На основании полученных результатов расчета коэффициентов система нормальных уравнений примет вид: Решим данную систему, используя надстройку MS Excel Поиск решения. Составим исходную табличную модель для решения системы линейных алгебраических уравнений.
В блок «Переменные» в первую строку записываем переменные системы алгебраических уравнений , во вторую строку записываем произвольные числовые значения 0, 0 и 1. В блок «Матрица коэффициентов исходной системы» записываем соответствующую матрицу коэффициентов при переменных . В блок «Значения левых частей уравнений» в верхнюю ячейку вводим формулу: =СУММПРОИЗВ («фиксированный диапазон строки значений переменных »; «диапазон первой строки матрицы коэффициентов исходной системы»). В блок «Свободные члены исходной системы» в столбец записываем значения правой части исходной системы. Вызываем Поиск решения и заполняем форму: Запишем уравнение полученной квадратичной регрессии: . в) показательная регрессия сводится к нахождению уравнения вида: Логарифмирование данного уравнения по основанию е приводит к линейному уравнению вида: . Соответственно оценки параметров могут быть найдены методом наименьших квадратов. Для упрощения и наглядности решения произведем следующие замены переменных: . Тогда уравнение в новых переменных будет иметь вид: . Определим систему нормальных уравнений для нахождения оценок параметров полученной линейной регрессии. Составим таблицу для расчетов необходимых значений:
Получим систему нормальных уравнений для линейной регрессии: Решим данную систему, используя надстройку MS Excel Поиск решения. Составим исходную табличную модель для решения системы линейных алгебраических уравнений.
В блок «Переменные» в первую строку записываем переменные системы алгебраических уравнений , во вторую строку записываем произвольные числовые значения 0 и 1. В блок «Матрица коэффициентов исходной системы» записываем соответствующую матрицу коэффициентов при переменных . В блок «Значения левых частей уравнений» в верхнюю ячейку вводим формулу: =СУММПРОИЗВ («фиксированный диапазон строки значений переменных »; «диапазон первой строки матрицы коэффициентов исходной системы»). В блок «Свободные члены исходной системы» в столбец записываем значения правой части исходной системы. Вызываем Поиск решения и заполняем форму: Уравнение регрессии в линейной форме будет иметь вид: . Выполнив его потенцирование, вернемся к показательной регрессии: . г) гиперболическая регрессия сводится к нахождению уравнения вида: Для оценки параметров заменим , тогда уравнение будет иметь вид: . Определим систему нормальных уравнений для нахождения оценок параметров полученной линейной регрессии. Для расчетов используем данные таблицы:
Получим систему нормальных уравнений для линейной регрессии: Решим данную систему, используя надстройку MS Excel Поиск решения. Составим исходную табличную модель для решения системы линейных алгебраических уравнений.
В блок «Переменные» в первую строку записываем переменные системы алгебраических уравнений , во вторую строку записываем произвольные числовые значения 0 и 1. В блок «Матрица коэффициентов исходной системы» записываем соответствующую матрицу коэффициентов при переменных . В блок «Значения левых частей уравнений» в верхнюю ячейку вводим формулу: =СУММПРОИЗВ («фиксированный диапазон строки значений переменных »; «диапазон первой строки матрицы коэффициентов исходной системы»). В блок «Свободные члены исходной системы» в столбец записываем значения правой части исходной системы. Вызываем Поиск решения и заполняем форму: Уравнение регрессии в линейной форме будет иметь вид: . Вернемся к гиперболической регрессии: . 2. Найдем общую ошибку и среднюю ошибку аппроксимации, а затем укажем функцию лучшей аппроксимации. Итак, получены следующие регрессии: а) линейная - , б) квадратичная - , в) показательная - , г) гиперболическая - . Составим вспомогательную таблицу для расчетов необходимых значений.
Введем в столбцы «у-линейное», «у-квадратичное», «у-показательное», «у-гиперболическое» полученные выше уравнения квадратичной, показательной и гиперболической регрессий соответственно и рассчитаем для них значения функций для каждого х. Далее рассчитаем «Квадрат отклонения у-линейное», «Квадрат отклонения у-квадратичное», «Квадрат отклонения у-показательное» и «Квадрат отклонения у-гиперболическое» по соответствующим формулам для каждого х: =СТЕПЕНЬ((«ячейка столбца y»-«ячейка столбца «у-линейное»);2) =СТЕПЕНЬ((«ячейка столбца y»-«ячейка столбца «у-квадратичное»);2) =СТЕПЕНЬ((«ячейка столбца y»-«ячейка столбца «у-показательное»);2) =СТЕПЕНЬ((«ячейка столбца y»-«ячейка столбца «у-гиперболическое»);2) Суммы значений этих столбцов и есть общие ошибки линейной, квадратичной, показательной и гиперболической регрессий соответственно. На следующем этапе вычислим средние ошибки аппроксимации. Для этого рассчитаем значения столбцов «Аппроксимация у-линейное», «Аппроксимация у-квадратичное», «Аппроксимация у-показательное», «Аппроксимация у-гиперболическое» по следующим формулам: =ABS((«ячейка столбца y»-«ячейка столбца «у-линейное»)/«ячейка столбца y») =ABS((«ячейка столбца y»-«ячейка столбца «у-квадратичное»)/«ячейка столбца y») =ABS((«ячейка столбца y»-«ячейка столбца «у-показательное»)/«ячейка столбца y») =ABS((«ячейка столбца y»-«ячейка столбца «у-гиперболическое»)/«ячейка столбца y») Просуммируем значения всех столбцов с помощью функции СУММ, а результат суммирования запишем под столбцом с соответствующими данными. В ячейках под столбцами «Аппроксимация у-линейное», «Аппроксимация у-квадратичное», «Аппроксимация у-показательное», «Аппроксимация у-гиперболическое» введем формулы и придадим этим ячейкам формат Процентный: =1/6*СУММ(«диапазон значений ячеек соответствующего столбца»)*100% Суммы значений этих столбцов – это средние ошибки аппроксимации линейной, квадратичной, показательной, гиперболической регрессий соответственно. Таким образом, средние ошибки аппроксимации линейной, квадратичной, показательной, гиперболической регрессий соответственно равны 27,1222%, 28,3994%, 23,774%, 26,6741%. Далее укажем функцию наилучшей аппроксимации по общей ошибке и по средней ошибке аппроксимации, используя функции ЕСЛИ и МИН. Для определения регрессии с минимальной общей ошибкой введем формулу: =ЕСЛИ(«ячейка суммы столбца «у-линейное»=МИН(«диапазон ячеек сумм регрессий»); «у-линейное»; ЕСЛИ(«ячейка суммы столбца «у-квадратичное»= МИН(«диапазон ячеек сумм регрессий»); «у-квадратичное»; ЕСЛИ(«ячейка суммы столбца «у-показательное»=МИН(«диапазон ячеек сумм регрессий»); «у-показательное»; «у-гиперболическое»)))
Для определения регрессии с минимальной средней ошибкой аппроксимации введем формулу: =ЕСЛИ(«ячейка со значением средней ошибки аппроксимации «у-линейное»= МИН(«диапазон ячеек со значениями всех средних ошибок аппроксимации»); «у-линейное»; ЕСЛИ(«ячейка со значением средней ошибки аппроксимации «у-квадратичное»=МИН(«диапазон ячеек со значениями всех средних ошибок аппроксимации»); «у-квадратичное»; ЕСЛИ(«ячейка со значением средней ошибки аппроксимации «у-показательное»=МИН(«диапазон ячеек со значениями всех средних ошибок аппроксимации»); «у-показательное»; «у-гиперболическое»))).
Таким образом, минимальная общая ошибка и минимальная средняя ошибка аппроксимации у показательной функции. Следовательно, показательная функция – функция наилучшей аппроксимации. 3. Построим полученные линии регрессии на одной плоскости вместе с исходными данными. Заметим, что поскольку в предыдущей таблице значения аргумента функции не упорядочены по возрастанию, то мастер диаграмм не отразит правильно полученные регрессии. Для упорядочивания данных столбца необходимо отсортировать его по возрастанию, предварительно выделив все столбцы.
|