Читайте также:
|
Для вычислений коэффициентов уравнения прямой линии, которая наилучшим образом аппроксимирует данные наблюдений используется функция ЛИНЕЙН (). Уравнение для прямой линии имеет вид
Y=m1*x1+m2*x2+.....b или Y=m*x+b (3.1)
Для вычисления коэффициентов уравнения экспоненциальной кривой, используемой для сглаживания данных наблюдения используется функция ЛГРФПРИБЛ(). Уравнение кривой имеет вид
Y = (b*(m1^x1)*(m2^x2)*.....) или Y =b*m^x (3.2)
где Y (зависимое значение) является функцией независимого значения х.
Значения m - это коэффициенты, соответствующие каждой независимой переменной х, а b - это постоянная величина (кривая может не проходить через начало координат)
Функции аппроксимации ЛИНЕЙН() и ЛГРФПРИБЛ() позволяют вычислить прямую или экспоненциальную кривую, наилучшим образом описывающую ваши данные наблюдений. Однако вам самим необходимо решить, какой из полученных результатов вас удовлетворяет в большей степени.
Проводя регрессионный анализ, Excel вычисляет для каждой точки:
· Квадрат разности между рассчитанным и фактическим значением Y. Сумма квадратов этих разностей называется остаточной суммой квадратов.
· Сумму квадратов разностей между фактическими значениями Y и средним значением Y, которая называется общей суммой квадратов (регрессионная сумма квадратов + остаточная сумма квадратов).
F Внимание. Чем меньше остаточная сумма квадратов по сравнению с общей суммой квадратов, тем больше значение коэффициента детерминированности (корреляции) R2, который показывает, насколько полученное регрессионное уравнение соответствует фактическим наблюдениям (насколько тесно связаны переменные).
Дата добавления: 2015-07-16; просмотров: 164 | Нарушение авторских прав
| <== предыдущая страница | | | следующая страница ==> |
| Используя Пакет анализа, выполните сглаживание значений ряда наблюдений Y1 методами Скользящего среднего и Экспоненциального сглаживания (как в задании 1.3). | | | Аргументы функции |