Вивчення наслідків порушення основних припущень лінійного регресійного аналізу: припущення про незміщеність похибок, про однакову дисперсію і некорельованість похибок, про нормальний розподіл похибок та припущення про незалежність спостережень.
Міністерство освіти і науки України Дніпропетровський національний університет імені Олеся Гончара МАГІСТЕРСЬКА РОБОТА Порушення основних припущень лінійного регресійного аналізу Виконавець: студентка групи МС-08-1м Черемісіна В.О. Об’єктом дослідження є основні припущення лінійного регресійного аналізу. Методика дослідження - оцінювання параметрів лінійної регресії МНК-методом, перевірка статистичних гіпотез, побудова простої лінійної регресії та лінійної регресії з двома незалежними змінними. Перелік ключових слів: ПОРУШЕННЯ ПРИПУЩЕНЬ, ЛІНІЙНА РЕГРЕСІЯ, ЗАЛИШКИ, РОЗПОДІЛ, НЕКОРЕЛЬОВАНІСТЬ, ЗНАЧУЩІСТЬ, АДЕКВАТНІСТЬ. ЗМІСТ ВСТУП РОЗДІЛ І Проста лінійна регресія 1.1 Постановка задачі 1.2 Метод найменших квадратів 1.3 Точність оцінки регресії 1.4 -критерій значущості регресії 1.5 Геометрична інтерпретація коефіцієнтів регресії 1.6 Довірчий інтервал для . Стандартне відхилення вільного члена 1.8 Довірча смуга для регресії 1.9 Повторні спостереження. Неадекватність і “чиста помилка” 1.10 Деякі відомості з математичної статистики 1.10.1 Критерій (гіпотетичний розподіл визначений) 1.10.2.Критерій (гіпотетичний розподіл невизначений) 1.10.3 Критерій Бартлетта 1.11 Аналіз залишків 1.12 Лінійна регресія з двома незалежними змінними РОЗДІЛ ІІ Дослідження порушень основних припущень лінійного регресійного аналізу 2.1 „Ідеальна” модель лінійної регресії 2.2 Модель лінійної регресії, в якій дисперсія спостережень величина змінна 2.3 Модель лінійної регресії, в якій спостереження величини залежні 2.4 Модель лінійної регресії, в якій спостереження рівномірно розподілені величини 2.5 Модель лінійної регресії, в якій спостереження показниково розподілені величини ВИСНОВКИ СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ВСТУП Нехай - результат спостереження, який описується лінійною моделлю виду (1) де - регресійна матриця розміру , , - вектор невідомих параметрів, - вектор похибок спостережень. Сума всіх залишків дорівнює нулю, дійсно, в кожній точці. 1.3 Точність оцінки регресії Тепер розглянемо питання про те, яка точність може бути приписана лінії регресії, коефіцієнти якої були оцінені. Якщо гіпотезу відхиляти при (1.4.1) і не відхиляти в супротивному разі, то з імовірністю гіпотеза відхиляється, коли вона справедлива. Якщо гіпотеза відхиляється, то регресія значуща, тобто між змінними та існує лінійна залежність.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
