Прикладной регрессионный анализ. Многофакторная регрессия. Шашков В.Б. - 55 стр.

члены полинома, воспроизводя все уравнение. Для синтезирования рассмат-
риваемой задачи была принята модель вида
      0 3 5 12 23 24 25 34 45 123 125 134 145 234 245 345 1345 12345 22
                          33 44 55 222 333 444 .
Обозначим ее как уравнение 1.
      д) Для формирования численного вектора откликов yg в соответствии с
этой формой идеальной математической модели, т.е. с уравнением 1, всем
коэффициентам регрессии присваивают некие гипотетические значения. При
этом соблюдают условие, что числовой вклад предыдущих членов уравнения
в значение функции должен быть больше вклада последующих членов. При-
нятые в данном случае значения представлены в таблице 8. Численные зна-
чения коэффициентов регрессии могут быть введены в программу либо
вручную, либо из файла данных. Теперь по принятой форме уравнения рас-
считывают значения компонент вектора откликов yg, и эти значения вводят в
первый «идеальный» вариант таблицы экспериментальных данных. Эта таб-
лица есть идеальная модель задачи регрессии, которая имеет единственное
решение и не содержит ошибки в табличном значении отклика yg, т.е. фак-
тор случайности отклика в этой таблице отсутствует. Этот вариант задачи
представлен в таблице 8.

     Таблица 8 - Tаблица экспериментальных данных

   G         X1        X2        X3         X4        X5        Yg
    1         2         3         4          5        6          7
    1       79.49     81.59     10.30      17.28    128.77     80.20
    2       86.57     73.26     15.16      17.63    127.92     96.71
    3       86.35     74.05     11.66      18.12    129.38     95.13
    4       87.42     73.80     11.98      19.21    128.32     99.45
    5       93.39     53.84     14.24      20.35    120.77     99.51
    6       90.56     47.03     15.45      22.73    115.62     96.89
    7       91.95     46.98     17.03      24.57    114.82    100.73
    8       96.93     34.58     32.09      34.99    91.22     100.03
    9       97.80     29.56     32.89      36.55    86.88      92.50
   10       97.79     23.62     33.66      35.70    80.14      81.35
   11       97.60     18.09     38.20      33.91    72.56      74.73
   12       98.09     14.82     40.12      32.51    69.79      72.09
   13       97.76     12.67     42.92      31.84    66.93      70.67
   14       95.39     12.52     46.58      30.20    53.30      67.65
   15       95.62     11.88     66.43      29.90    44.72      69.04
   16       95.20     11.12     69.19      29.17    33.80      65.09


                                                                       55