- •Змістовий модуль 1 первинна математико-статистична обробка експериметальних даних
- •Вимірювання величин. Точність вимірювання
- •1.2. Випадкові величини та їх статистична характеристика
- •1.3. Експериментальні дослідження, їх статистична характеристика
- •1.4. Вибірковий метод дослідження
- •2.1. Основні етапи первинної обробки експериментальних даних
- •2. 2. Обчислення основних числових статистичних характеристик вибірки та їх суттєва інтерпретація
- •2.3. Перевірка статистичних гіпотез
- •2.3.1. Відсів грубих похибок
- •Перевірка однорідності декількох вибірок початкових даних
- •2.3.3. Перевірка гіпотези про значущість різниць двох середніх
- •2.3.4. Перевірка гіпотези нормальності розподілу експериментальних даних
- •Змістовий модуль 2 математико-статистичні методи аналізу парних залежностей дослідних даних
- •3.1. Види залежностей величин
- •3.2. Загальні поняття про статистичні методи аналізу парних залежностей
- •4.1 Загальні поняття
- •4.2. Статистична оцінка кореляційного зв'язку між показниками, які контролюються
- •5.1. Загальні поняття
- •5.2. Загальна схема регресійного аналізу
- •5.3. Вибір загального вигляду функції регресії
- •5.4. Метод найменших квадратів
- •5.5. Обчислення оцінок невідомих параметрів лінійної функції регресії
- •5.6. Обчислення оцінок невідомих параметрів квадратичної функції регресії
- •5.7. Обчислення оцінок невідомих параметрів кубічної функції регресії
- •5.8. Статистична оцінка адекватності рівняння регресії
- •Змістовий модуль 3 багаточинникові експерименти
- •7.1. Загальні поняття
- •7.2. Планування порівняльних експериментів
- •7.3. Планування екстремальних експериментів
- •7.4. Статистична обробка та інтерпретація результатів екстремального експерименту
- •7.4.1. Обчислення дисперсії експерименту
- •7.4.2. Обчислення значень коефіцієнтів функції відгуку параметра оптимізації
- •7.4.3. Перевірка адекватності функції відгуку параметра оптимізації
- •7.4.4. Перевірка значущості коефіцієнтів множинної функції регресії
- •7.4.5. Інтерпретація результатів експерименту
- •Література
5.2. Загальна схема регресійного аналізу
Після того, як дослідник переконається в наявності статистично значущих зв'язків між змінними величинами, що аналізуються, він приступає до виявлення та математичного опису конкретного виду залежностей, що його цікавлять;
підбирає клас функцій, в межах якого буде вести свій подальший аналіз;
проводить, якщо це необхідно, відбір найбільш інформативних чинникових змінних величин;
обчислює оцінки для невідомих параметрів, які приймають участь у записі рівняння шуканої залежності;
аналізує точність одержаного рівняння регресійної залежності за допомогою критеріїв адекватності.
5.3. Вибір загального вигляду функції регресії
Регресійний аналіз починається із вибору класу функцій, в межах якого передбачається вести пошук найбільш підходящої апроксимації шуканої функції (апроксимація - наближений вираз яких-небудь величин через інші, більш відомі чи більш прості). Цей етап регресійного аналізу, безперечно, є ключовим: від того, наскільки вдало він буде реалізований, значним чином залежить точність відновлення невідомої функції регресії f(х) . В той же час треба визнати, що цей етап находиться в самому невигідному становищі: на жаль, не існує стандартних рекомендацій і методів, які б утворили сувору теоретичну базу для його найбільш ефективної реалізації.
При вирішенні проблеми вибору загального вигляду функції регресії необхідно:
максимальне використання апріорної інформації про змістовну сутність залежності, що аналізується (апріорі - незалежно від досвіду, до досвіду);
попередній аналіз геометричної структури початкових даних, на підставі яких конструюється шукана залежність;
застосування різних статистичних прийомів обробки початкових даних, які дозволяють зробити найкращий вибір із декількох варіантів, що порівнюються.
Аналізуючи змістовну сутність залежності, яка вивчається, дослідник ще до звертання до початкових статистичних даних може (і повинен!) намагатись відповісти на ряд питань, з приводу характеру шуканого регресійного зв'язку:
а) чи буде шукана функція f(х) монотонною, чи вона повинна мати один (чи декілька) екстремум ?
б) чи слід очікувати прямування функції f(х) при х → ∞ до асимптоти (по одній чи декільком змінним величинам), і яка їхня змістовна інтерпретація ?
в) яка принципова природа впливу чинникових змінних величин х(1), х(2), ... , х(п) на формування результуючого показника у - адитивна чи мультиплікативна (лат. multiplicatio - множення, лат. additio - додавання)? Так, наприклад, багато схем залежностей у економіці та кваліметрії характеризуються мультиплікативною природою дії чинникових ознак на результативний показник;
г) чи не диктує змістовний сенс залежності, яка аналізується, обов'язкове проходження графіка шуканої функції f(х) через одну чи декілька апріорі заданих точок у просторі (х, у), який досліджується ?
При попередньому аналізі характеру залежностей, які досліджуються, (тобто до проведення обчислювальних процедур по оцінці невідомих параметрів, які входять до гіпотетичних рівнянь зв'язків) обмежуються деякими прийомами, пов'язаними в основному із вивченням "геометрії" парних кореляційних полів. У результаті геометричного аналізу кореляційних полів, як правило, одержують формулювання декількох робочих гіпотез про загальний вигляд шуканої залежності, остаточна перевірка яких та вибір найбільш адекватної з них здійснюється (за відсутністю апріорних відомостей змістовного характеру) за допомогою відповідних математико-статистичних методів.
При виясненні питання про вигляд залежності, яка досліджується, як правило, йдуть від простого до складного. Найпростішою ж апроксимацією невідомої функції регресії f(х) є лінійна модель. Необхідно бути дуже обережним при тлумаченні та застосуванні регресійних рівнянь, які не використовують спеціальні знання про процес чи явище, яке вивчається. Із збільшенням складності моделі точність оцінювання зменшується.
