|
Вариант 14
Задание 1
Провести корреляционный анализ результатов эксперимента. Определить коэффициент корреляции, оценить точность обработки результатов моделирования. Построить график. Число наблюдений n =29
Таблица 1
X | Y | Ẋ | Ẏ | (x-x)(y-y) | Σ(x-x)^2 | Σ(y-y)^2 |
3401,82 | 3846,34 | 2504024,5 | 2566211,8 | 2443344,13 | ||
|
| 3546219,4 | 3118544,1 | 4032545,93 | ||
|
| 4037294,9 | 3825701,3 | 4260591,37 | ||
|
| -7903,327 | 9789,1236 | 6380,8144 | ||
|
| 86855,433 | 66079,844 | 114162,894 | ||
|
| 5217457,6 | 4468742,3 | 6091616,33 | ||
|
| 3902665,9 | 2968522,2 | 5130768,61 | ||
|
| 4392681,2 | 3936017,9 | 4902327,37 | ||
|
| 3713684,6 | 3097388,8 | 4452606,41 | ||
|
| 3543632,3 | 3132687,6 | 4008484,49 | ||
|
| 11933,213 | 59019,844 | 2412,7744 | ||
|
| 32056,933 | 19616,804 | 52386,0544 | ||
|
| 5900500,8 | 5161711,4 | 6745032,29 | ||
|
| 5158060,3 | 4185870,5 | 6356046,05 | ||
|
| 5269950,5 | 4566512,6 | 6081747,85 | ||
|
| 5423139,6 | 4313679,8 | 6817947,65 | ||
|
| 4926403,1 | 5593792,61 | |||
|
| 145101,23 | 138339,36 | 152193,614 | ||
|
| 32379,353 | 13009,684 | 80587,8544 | ||
|
| 5810197,5 | 4883834,8 | 6912271,97 | ||
|
| 5724843,4 | 7258282,57 | |||
|
| 5914588,3 | 4652390,2 | 7519222,09 | ||
|
| -2064,327 | 24,4036 | 174623,694 | ||
|
| 3813975,1 | 4406304,77 | |||
|
| 51165,213 | 70193,204 | 37295,3344 | ||
|
| -22447,91 | 528441,76 | 953,5744 | ||
|
| 6660541,8 | 8632549,13 | |||
|
| 5007002,9 | 4255721,4 | 5890911,49 | ||
|
| 6482778,2 | 5321972,2 | 7896774,41 | ||
|
|
|
| |||
|
|
|
| |||
|
|
|
|
|
|
|
|
|
|
|
| ||
|
|
|
|
|
Для вычисления коэффициент корреляции использовалась формула
Для вычисления точность обработки результатов моделирования использовались формулы:
Оценка корреляционного момента случайных величин x и y равна:
,
Рис. 1. График распределения случайной величины Y=f(X)
0< r= <1 соответствует наличию линейной корреляции с рассеянием, что видно не графике.
Задание 2
Провести регрессионный анализ результатов эксперимента. Определить функцию ошибки, среднеквадратичное отклонение, меру ошибки регрессионной модели. Построить линейную регрессионную модель и меру ошибки регрессионной модели.
Таблица 2
Х | Y | b0=1,73938 | x^2 | xy | b1=-0,00032
| ||||
6,55 | 1,031 |
|
| 42,9025 | 6,75305 |
|
| ||
4,85 | 1,441 |
|
| 23,5225 | 6,98885 |
|
| ||
7,27 | 1,64 |
|
| 52,8529 | 11,9228 |
|
| ||
3,23 | 1,56 |
|
| 10,4329 | 5,0388 |
|
| ||
7,48 | 1,729 |
|
| 55,9504 | 12,93292 |
|
| ||
6,4 | 1,807 |
|
| 40,96 | 11,5648 |
|
| ||
6,78 | 1,622 |
|
| 45,9684 | 10,99716 |
|
| ||
5,88 | 1,817 |
|
| 34,5744 | 10,68396 |
|
| ||
6,35 | 1,832 |
|
| 40,3225 | 11,6332 |
|
| ||
9,03 | 1,811 |
|
| 81,5409 | 16,35333 |
|
| ||
4,77 | 1,988 |
|
| 22,7529 | 9,48276 |
|
| ||
5,43 | 1,859 |
|
| 29,4849 | 10,09437 |
|
| ||
4,13 | 1,811 |
|
| 17,0569 | 7,47943 |
|
| ||
4,53 | 1,851 |
|
| 20,5209 | 8,38503 |
|
| ||
8,72 | 1,929 |
|
| 76,0384 | 16,82088 |
|
| ||
4,93 | 1,82 |
|
| 24,3049 | 8,9726 |
|
| ||
5,88 | 1,801 |
|
| 34,5744 | 10,58988 |
|
| ||
5,82 | 1,832 |
|
| 33,8724 | 10,66224 |
|
| ||
6,57 | 1,695 |
|
| 43,1649 | 11,13615 |
|
| ||
4,47 | 1,873 |
|
| 19,9809 | 8,37231 |
|
| ||
|
|
|
|
|
|
|
| ||
119,07 | 34,749 |
| Σ X2= | 750,7789 |
|
|
| ||
|
|
|
| Σ X*Y= | 206,8645 |
|
| ||
|
|
|
|
|
|
|
| ||
|
|
|
|
|
|
|
| ||
Для определения коэффициентов и использовалась формула
Мерой ошибки регрессионной модели служит среднее квадратичное отклонение:
Для определения функции ошибки использовалась формула
F 0 =
Рис. 2. График распределения случайной величины Y=f(X), при регрессионном анализе.
Задание 3.
Провести дисперсионный анализ результатов эксперимента. Дана серия наблюдений на k уровнях (k = 12). Число повторных наблюдений nj для каждого уровня фактора неодинаково (nj = 29 ÷ 31). Общее число наблюдений N = 366. Определить общую выборочную дисперсию, оценку генеральную дисперсии, оценку факторной дисперсии. Рассчитать дисперсионное отношение. Используя таблицы Фишера, опровергнуть или принять нулевую гипотезу при уровне значимости y = 5 %.
Вариант 14
n\ k | k1 | k2 | k3 | k4 | k5 | k6 | k7 | k8 | k9 | k10 | k11 | k12 |
n 1 | 0,502 | 1,907 | 2,361 | 0,923 | 2,436 | 1,186 | 2,258 | 1,33 | 2,037 | 1,86 | 1,122 | |
n2 | 0,689 | 1,987 | 2,243 | 2,19 | 2,157 | 1,177 | 2,239 | 1,903 | 1,048 | 2,106 | 1,925 | 0,835 |
n3 | 0,798 | 2,128 | 1,282 | 2,269 | 2,017 | 1,019 | 2,102 | 2,041 | 1,969 | 2,167 | 1,178 | 2,144 |
n4 | 1,019 | 1,12 | 0,957 | 2,23 | 2,088 | 1,985 | 1,903 | 1,263 | 1,996 | 1,97 | 0,85 | 2,053 |
n5 | 1,13 | 0,819 | 2,194 | 2,192 | 2,001 | 2,122 | 1,901 | 1,013 | 2,189 | 2,093 | 0,939 | 2,09 |
n 6 | 1,068 | 2,098 | 2,163 | 2,241 | 1,005 | 2,187 | 2,109 | 1,922 | 2,148 | 1,319 | 1,997 | 1,831 |
n 7 | 0,875 | 2,036 | 2,11 | 1,239 | 0,995 | 2,135 | 1,186 | 1,922 | 2,331 | 0,873 | 1,952 | 1,932 |
n 8 | 0,899 | 2,144 | 0,887 | 0,998 | 1,917 | 0,975 | 2,1 | 1,219 | 1,969 | 1,855 | 1,097 | |
n 9 | 1,149 | 2,101 | 0,954 | 2,195 | 0,967 | 1,957 | 1,97 | 2,214 | 1,969 | 2,017 | 0,763 | |
n 10 | 2,012 | 2,061 | 1,014 | 2,325 | 2,162 | 1,024 | 2,051 | 2,035 | 1,798 | 2,038 | 1,217 | 1,784 |
n1 1 | 2,074 | 1,131 | 1,72 | 2,323 | 2,19 | 0,967 | 2,082 | 1,239 | 2,251 | 1,833 | 0,948 | 1,949 |
n 12 | 1,996 | 0,92 | 1,983 | 2,053 | 2,086 | 1,014 | 2,089 | 0,958 | 2,212 | 2,006 | 1,961 | 1,874 |
n 13 | 1,97 | 2,15 | 1,981 | 2,096 | 1,178 | 2,138 | 1,941 | 1,743 | 2,377 | 1,36 | 1,891 | 1,788 |
n 14 | 1,218 | 1,956 | 2,023 | 1,317 | 2,378 | 2,126 | 1,222 | 1,989 | 2,047 | 1,018 | 2,002 | 2,052 |
n 15 | 0,928 | 2,051 | 2,212 | 0,992 | 2,298 | 2,29 | 1,242 | 1,882 | 1,206 | 1,916 | 2,033 | 1,148 |
n1 6 | 2,148 | 2,35 | 2,092 | 2,036 | 2,154 | 1,193 | 2,151 | 2,116 | 1,095 | 2,031 | 1,978 | 0,867 |
n 17 | 1,826 | 2,021 | 1,317 | 2,047 | 2,16 | 0,974 | 2,241 | 2,081 | 2,413 | 2,017 | 1,199 | 1,743 |
n 18 | 1,933 | 1,316 | 0,969 | 2,199 | 2,379 | 1,996 | 2,251 | 1,299 | 2,126 | 2,041 | 0,821 | 1,712 |
n 19 | 2,183 | 0,882 | 2,052 | 2,208 | 1,286 | 2,085 | 2,106 | 1,119 | 2,246 | 1,952 | 1,755 | 1,941 |
n 20 | 1,94 | 2,097 | 2,199 | 2,46 | 1,036 | 1,834 | 1,764 | 1,887 | 2,386 | 1,252 | 1,608 | 1,835 |
n21 | 1,191 | 2,166 | 2,158 | 1,293 | 2,104 | 2,101 | 1,05 | 2,16 | 1,95 | 0,86 | 1,919 | 1,618 |
n22 | 0,945 | 2,197 | 2,083 | 1,09 | 1,886 | 2,539 | 1,11 | 1,987 | 1,429 | 1,946 | 1,959 | 1,023 |
n23 | 2,09 | 1,022 | 2,271 | 2,224 | 2,323 | 1,341 | 1,934 | 1,953 | 1,27 | 1,981 | 1,884 | 0,748 |
n24 | 1,979 | 1,696 | 1,248 | 2,16 | 2,068 | 0,945 | 2,014 | 1,993 | 2,342 | 2,101 | 1,177 | 1,632 |
n25 | 2,039 | 1,101 | 0,972 | 2,112 | 2,218 | 2,102 | 2,023 | 1,039 | 2,16 | 2,044 | 0,904 | 1,89 |
n2 6 | 2,04 | 0,875 | 2,143 | 2,275 | 1,29 | 2,17 | 1,766 | 0,982 | 2,372 | 2,014 | 2,076 | 1,839 |
n2 7 | 1,893 | 2,005 | 2,296 | 0,955 | 1,588 | 2,154 | 2,145 | 2,158 | 0,841 | 1,87 | 1,959 | |
n 28 | 1,153 | 2,151 | 2,239 | 2,103 | 2,281 | 2,125 | 1,236 | 2,179 | 2,372 | 0,627 | 1,836 | 2,036 |
n 29 | 0,806 | 2,09 | 2,069 | 1,035 | 2,071 | 2,281 | 1,091 | 2,208 | 1,526 | 2,003 | 2,023 | 1,755 |
n 30 | 2,179 |
| 2,296 | 0,969 | 2,272 | 1,358 | 2,142 | 2,165 | 1,072 | 2,014 | 1,754 | 1,087 |
n 31 | 1,855 |
| 1,333 |
| 2,203 |
| 2,18 | 2,005 |
| 1,86 |
| 0,596 |
Σxij | 46,527 | 50,578 | 55,821 | 55,871 | 56,131 | 53,126 | 55,411 | 55,8 | 56,038 | 54,258 | 49,388 | 48,743 |
xi | 1,5 | 1,744 | 1,8 | 1,862 | 1,81 | 1,77 | 1,787 | 1,8 | 1,867 | 1,75 | 1,646 | 1,572 |
Σxij2 | 79,153 | 95,57 | 108,6 | 111,9 | 110,36 | 101,82 | 104,77 | 106,02 | 111,81 | 101,35 | 86,72 | 83,52 |
Формулы сумм квадратов:
ССКм оценка факторной дисперсии:
ССКв оценка генеральной дисперсии:
F – дисперсионное отношение:
Общая выборочная дисперсия всех наблюдений равна:
Границу критической области определяют по таблицам F -распределения при заданных степенях свободы n 1 = (k – 1) и n 2 = k (n – 1) и выбранном уровне значимости γ, например равном 5 %. Это число представляет собой граничное значение, слева от которого лежит 95 % от общей площади под кривой F -распределения. С помощью функции Microsoft Excel FРАСП(x; n 1; n 2) можно вычислить вероятность (степень отклонения) одностороннего F -распределения Р (x<Fn 1 n 2).
FРАСП(1,5; 11; 366) = 0,128
Используя обратную функцию F-распределения FРАСПОБР(р; n1; n2), можно
вычислить теоретическое значение Fтеор, которое необходимо сравнить с
расчетным, например, FРАСПОБР(0,5; 11; 366) = 0,941
Исходя из полученных данных ССКМ / ССКВ > F теор (n 1, n 2), 1,018>0,941следовательно влияние фактора значимое и нулевая гипотеза опровергается.
Дата добавления: 2015-09-29; просмотров: 41 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |
Қарағанды мемлекеттік медициналық университеті | | | Письменный экзамен с оценкой клинических навыков по дисциплине «Хирургические болезни» для специальности «Общая медицина» |