Теория вероятностей и математическая статистика. Блатов И.А - 215 стр.

UptoLike

215
1. Неопределенность, обусловленная отклонением точек
данных от выборочной прямой регрессии.
2. Неопределенность, обусловленная отклонением
выборочной прямой регрессии от регрессионной прямой
генеральной совокупности.
Интервальный прогноз значений переменной можно
построить так, что при этом будут учтены оба источника
неопределенности.
Суммарная дисперсия
22
Y
Y
sss
,
где
Y
s
- стандартная ошибка прогноза,
s
- стандартная ошибка
оценки,
Y
s
- стандартная ошибка функции регрессии.
Величина
2
Y
s
измеряет отклонение выборочной прямой
регрессии от регрессионной прямой генеральной совокупности и
вычисляется для каждого значения
X
как.
.
Y
s
зависит от значения
X
, для которого прогнозируется
величина
Y
. Величина
Y
s
будет минимальна, когда
XX
, а по
мере удаления
X
от
X
, будет возрастать.
Стандартная ошибка прогноза
ˆ
2
2
1
1 ( )
1
()
Y
n
i
i
XX
ss
n
XX
Границы интервала прогноза величины с надежностью
1


будут равны
Y
stY
, где статистика
t
имеет
распределение Стьюдента с
2kn
степенями свободы.
   1. Неопределенность, обусловленная отклонением точек
данных от выборочной прямой регрессии.
   2. Неопределенность,    обусловленная     отклонением
выборочной прямой регрессии от регрессионной прямой
генеральной совокупности.
   Интервальный прогноз значений переменной можно
построить так, что при этом будут учтены оба источника
неопределенности.
   Суммарная дисперсия
                         sY  s 2  sY2 ,
где sY - стандартная ошибка прогноза, s - стандартная ошибка
оценки,
          sY - стандартная ошибка функции регрессии.
   Величина     sY2   измеряет отклонение выборочной прямой

регрессии от регрессионной прямой генеральной совокупности и
вычисляется для каждого значения X как.
                                                       
                                1     ( X  X )2       
                      sY2  s 2   n                   .
                                n                      
                                
                                
                                   i 1
                                         ( X i  X )2   
                                                        
   sY зависит от значения X , для которого прогнозируется
величина Y . Величина sY будет минимальна, когда X  X , а по
мере удаления X от X , будет возрастать.
   Стандартная ошибка прогноза


                                    1    ( X  X )2
                      sYˆ  s 1       n
                                        ( X i  X )2
                                    n
                                        i 1
   Границы интервала прогноза величины с надежностью
  1   будут равны Y  t  s , где статистика t имеет
                                Y
распределение Стьюдента с k  n  2 степенями свободы.
                                                             215