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?