Методы прогнозирования. Сухарев М.Г. - 61 стр.

UptoLike

ВУЗ: 

РГУНиГ им. Губкина | Москва

Составители: 

Рубрика: 

61
кр
(1, 1, 1 )
F F n s
, где
― уровень значимости.
Точно так же можно проверять целесообразность отбрасы-
вания сразу нескольких коэффициентов
k
, причем необязатель-
но наивысших степеней. Рассмотрим, например, модель
( )
x
2
0 1 2
. Может оказаться, что отбрасывать последний
член не имеет смысла, а при отбрасывании линейного по
x
сла-
гаемого
1
0
 
остаточная сумма квадратов уменьшится незначи-
тельно. В этом случае оправдан переход от трехчленной модели к
двучленной
2
0 2
( )
x x
. Эта модель проще исходной, она со-
держит всего 2 параметра и линейна по
2
x
.
Пример. При обработке данных о суточном потреблении га-
за крупным городом
20
n в зависимости от температуры
x
окружающей среды были получены результаты, представленные
в табл. 2.1.
Примем уровень значимости равным 0,05. Последовательно
ответим на вопросы о целесообразности включения в модель па-
раметров
1
,
2
,
3
из модели (2.9.1) при
3
s
.
а. Значима ли регрессия? В модели
0 1
i i i
Y x
проверяем
гипотезу
0 1
: 0
H
 
. Находим критерий (2.9.2) при
1
s
2 2 2
1 2 2
ˆ ˆ ˆ
1 : ( 2)
F R R R n
(3,91/1):(5,94/18) = 11,85.
кр
1;18;0,95 4,41
F F
, значит, гипотеза
0 1
: 0
H
 
отвергается.
Гипотеза была бы отвергнута и при уровне значимости 0,01
кр
1;18;0,99 8,28
F .

Страницы