Статистические методы системного анализа. Гаибова Т.В - 5 стр.

                                   n

                                  ∑ (Y   i   − Y€i ) 2
                           R2 =   i =1
                                    n
                                                         .      (8)
                                  ∑ (Y
                                  i =1
                                         i   −Y )   2




     1.2 Цель занятия

       Закрепить теоретические знания и приобрести практические
навыки    в   построении   регрессионных    моделей    объекта  по
экспериментальным данным с использованием программы Statistica.

     1.3 Задание на занятие

       По результатам наблюдений за функционированием объектов
получены      экспериментальные данные в виде характеризующих
параметров (x,y) и показатели качества объектов (z). Построить
регрессионные модели объектов по заданным экспериментальным данным.
       Решение общей задачи разбивается на несколько этапов:
       а) предварительная обработка данных с целью стандартизации
результатов наблюдения;
       б) оценка параметров регрессионных моделей;
       в) проверка значимости коэффициентов регрессии;
       г) оценка точности регрессионных моделей;
       д)    выводы    о    возможности    применения    составленных
регрессионных моделей.

     1.4 Методические указания по выполнению работы

       1.4.1   Приобретение     практических    навыков     применения
регрессионного анализа для построения моделей объекта по
экспериментальным данным и заданному виду функции отклика.
       Каждый студент обрабатывает свой вариант экспериментальных
данных, выданный преподавателем        в соответствии с порядковым
номером. Для вычисления необходимо использовать систему Statistica,
модули Множественная регрессия и Нелинейное оценивание.
       Обработка данных ведется применительно к трем видам уравнений
регрессии:
       - линейная регрессия z = a*x + b - модуль Множественная
регрессия;
       - параболическая регрессия второго порядка - z = c*x + d*x + e -
модуль Нелинейное оценивание;
       - множественная регрессия z=f*x+g*y+p - модуль Множественная
регрессия.
       Для минимизации отклонений между экспериментальными и
расчетными значениями рекомендуется использовать метод наименьших
5