Контрольная работа: Парная регрессия
Качество построенной модели оценивается как хорошее, так как 
не превышает 8 -10%.
· Гиперболическая регрессия. 
=
*100%= 9,3 что говорит о повышенной ошибке аппроксимации, но в допустимых пределах.
Качество построенной модели оценивается как хорошее, так как не превышает 8 -10%.
· Обратная регрессия. =
*100%= 9,9 3 что говорит о повышенной ошибке аппроксимации, но в допустимых пределах.
Качество построенной модели оценивается как хорошее, так как не превышает 8 -10%.
6. Рассчитаем F-критерий:
· Линейная регрессия. 
= 
*19= 47,579
где 
=4,38<
· Степенная регрессия. =
*19= 48,257
где =4,38<
· Экспоненциальная регрессия. =
*19= 36,878
где =4,38<
· Полулогарифмическая регрессия. =
*19= 52,9232
где =4,38<
· Гиперболическая регрессия. =
*19= 47,357
где =4,38<
· Обратная регрессия. =
*19= 36,627
где =4,38<
Для всех регрессий=4,38< , из чего следует, что уравнения регрессии статистически значимы.
Вывод: остается на допустимом уровне для всех уравнений регрессий.
| А | R^2 | Fфакт | |
| Линейная модель | 8,5 | 0,714 | 47,500 |
| Степенная модель | 8,2 | 0,718 | 48,250 |
| Полулогарифмическая модель | 7,9 | 0,736 | 52,920 |
| Экспоненциальная модель | 9,0 | 0,660 | 36,870 |
| Равносторонняя гипербола | 9,3 | 0,714 | 47,350 |
| Обратная гипербола | 9,9 | 0,453 | 15,700 |
Все уравнения регрессии достаточно хорошо описывают исходные данные. Некоторое предпочтение можно отдать полулогарифмической функции, для которой значение R^2 наибольшее, а ошибка аппроксимации – наиме?