- •Нормальное распределение
- •Данные варианта №15
- •Множественный регрессионный анализ
- •Данных из файла 13_lin_mra.Txt
- •Группирование данных файла 15_lin_mra.Txt
- •Матрицы а и к
- •Матрица k-1
- •Проверим на значимость найденные коэффициенты уравнения регрессии и откинем незначимые слагаемые. Пересчитаем коэффициент множественной корреляции r2.
- •Проверка коэффициентов регрессии на значимость
- •Матрица в
- •Коэффициенты полного квадратичного уравнения регрессии
- •Коэффициенты оптимизированного уравнения регрессии
- •Расчет средних значений
Данные варианта №15
|
x2 |
7,667636 |
5,111757 |
2,555879 |
0 |
-2,55588 |
-5,11176 |
-7,66764 |
x1 |
|
|
|
|
|
|
|
|
4,092693 |
|
19,34498 |
14,54804 |
9,507247 |
5,711098 |
1,209634 |
-3,45379 |
-8,47755 |
4,092693 |
|
20,16739 |
14,77811 |
9,889079 |
6,042216 |
0,161841 |
-4,76625 |
-8,51352 |
4,092693 |
|
19,14557 |
14,6883 |
11,30498 |
4,853589 |
0,505077 |
-4,23944 |
-8,48422 |
4,092693 |
|
19,67758 |
14,49826 |
8,757029 |
3,612454 |
1,308316 |
-4,74113 |
-9,22138 |
4,092693 |
|
20,322 |
13,76469 |
9,300558 |
4,030318 |
0,669672 |
-4,21901 |
-9,99568 |
4,092693 |
|
20,4164 |
14,16571 |
9,404931 |
5,350827 |
0,613737 |
-4,30332 |
-9,12049 |
4,092693 |
|
19,74601 |
14,28073 |
8,314922 |
4,849181 |
-0,50416 |
-4,51752 |
-7,93833 |
4,092693 |
|
19,34432 |
14,07015 |
9,591661 |
4,390038 |
1,055939 |
-4,65865 |
-8,6333 |
4,092693 |
|
19,14178 |
14,82514 |
10,07915 |
4,995499 |
-0,4795 |
-3,51478 |
-8,38485 |
4,092693 |
|
19,97462 |
15,65241 |
10,38044 |
5,970121 |
-0,24338 |
-3,8322 |
-10,5469 |
4,092693 |
|
18,69432 |
14,26332 |
10,4895 |
5,598249 |
1,19986 |
-5,61311 |
-8,44052 |
4,092693 |
|
19,67528 |
14,39712 |
9,658185 |
6,315744 |
1,161348 |
-5,21042 |
-9,25202 |
4,092693 |
|
19,87734 |
14,61 |
10,04679 |
5,431915 |
0,004803 |
-4,16341 |
-9,01695 |
4,092693 |
|
19,10479 |
14,53073 |
9,688944 |
6,640617 |
0,366117 |
-4,28249 |
-9,16489 |
4,092693 |
|
18,30933 |
14,44445 |
8,874351 |
5,935183 |
-0,84225 |
-4,71851 |
-8,46758 |
4,092693 |
|
19,76898 |
14,42292 |
8,668246 |
4,063816 |
0,143401 |
-3,6292 |
-9,31377 |
2,046346 |
|
18,55032 |
13,87533 |
9,681824 |
5,186677 |
0,723904 |
-3,82705 |
-9,84435 |
2,046346 |
|
17,58599 |
13,57864 |
7,95298 |
3,662785 |
0,989903 |
-4,72925 |
-10,1454 |
2,046346 |
|
17,7567 |
14,15118 |
8,746548 |
3,438383 |
-0,69011 |
-5,47532 |
-10,1787 |
2,046346 |
|
18,99098 |
13,99348 |
7,622615 |
4,686483 |
-0,61093 |
-4,83643 |
-9,91106 |
2,046346 |
|
18,09929 |
14,69471 |
9,124902 |
2,773418 |
-0,43022 |
-4,85559 |
-9,4959 |
2,046346 |
|
18,69467 |
13,99712 |
9,379266 |
4,246976 |
0,560871 |
-7,12043 |
-11,1647 |
2,046346 |
|
18,56567 |
13,44239 |
8,429247 |
4,448919 |
-1,22975 |
-5,64271 |
-10,4814 |
2,046346 |
|
17,16713 |
13,68333 |
8,781999 |
4,66903 |
-1,45552 |
-5,91538 |
-9,99475 |
2,046346 |
|
18,70186 |
13,63556 |
8,238634 |
3,66237 |
-0,66147 |
-4,46079 |
-10,1739 |
2,046346 |
|
18,49923 |
13,26163 |
8,725554 |
4,096308 |
-0,7441 |
-5,07635 |
-9,94941 |
2,046346 |
|
19,06658 |
13,37184 |
9,15429 |
4,567155 |
-1,40825 |
-5,50176 |
-9,51522 |
2,046346 |
|
19,548 |
13,94367 |
8,794915 |
4,095467 |
-0,63099 |
-5,07608 |
-11,0693 |
2,046346 |
|
19,09873 |
13,56298 |
9,241159 |
4,671337 |
-1,33719 |
-5,51263 |
-10,7069 |
2,046346 |
|
18,65744 |
13,25177 |
9,504721 |
5,261483 |
-1,22735 |
-5,60085 |
-10,1268 |
2,046346 |
|
18,19929 |
13,13223 |
9,12046 |
3,812938 |
-1,05763 |
-5,31306 |
-8,80876 |
2,046346 |
|
19,09247 |
12,57035 |
8,51605 |
5,056 |
-1,68278 |
-5,70431 |
-10,2153 |
0 |
|
16,94362 |
11,95239 |
8,335301 |
3,565812 |
-2,0812 |
-6,79157 |
-10,1747 |
0 |
|
18,09239 |
12,91357 |
7,576821 |
2,772189 |
-2,02136 |
-7,17638 |
-12,0315 |
0 |
|
17,79074 |
11,98937 |
7,737651 |
2,822611 |
-2,2055 |
-6,16577 |
-11,7759 |
0 |
|
17,32101 |
12,47686 |
6,530995 |
3,330246 |
-2,37602 |
-6,12269 |
-11,177 |
0 |
|
16,53014 |
13,48592 |
7,056188 |
2,523149 |
-0,72659 |
-6,23127 |
-10,6863 |
0 |
|
17,29239 |
12,2722 |
8,183646 |
3,754521 |
-2,71988 |
-5,40351 |
-10,9201 |
0 |
|
17,28448 |
12,80887 |
7,04072 |
3,183178 |
-2,67895 |
-5,14956 |
-10,4346 |
0 |
|
17,19899 |
11,51845 |
8,154931 |
1,956596 |
-1,55899 |
-5,54203 |
-12,1966 |
0 |
|
16,13154 |
12,50964 |
7,714154 |
4,211949 |
-1,20864 |
-7,15757 |
-11,1804 |
0 |
|
18,74491 |
13,6155 |
7,343587 |
3,404802 |
-1,08389 |
-5,71642 |
-10,3225 |
0 |
|
17,701 |
12,28924 |
8,557359 |
3,236557 |
-1,43061 |
-6,38932 |
-10,0071 |
0 |
|
16,90768 |
12,04073 |
7,898434 |
2,340973 |
-1,72478 |
-5,95546 |
-10,7934 |
0 |
|
16,17376 |
11,93881 |
7,994908 |
1,564175 |
-1,71476 |
-6,16296 |
-12,5466 |
0 |
|
16,74517 |
12,66022 |
8,493494 |
4,428691 |
-2,3973 |
-5,66153 |
-12,1659 |
0 |
|
17,96651 |
12,09749 |
7,499974 |
2,697576 |
-1,39904 |
-5,38502 |
-10,4405 |
0 |
|
16,65634 |
12,57728 |
8,910913 |
3,370243 |
-1,57098 |
-6,25394 |
-11,2504 |
-2,04635 |
|
16,01371 |
10,73936 |
6,396432 |
2,348745 |
-3,32238 |
-7,43599 |
-13,1588 |
-2,04635 |
|
15,91194 |
12,57858 |
6,938401 |
2,739493 |
-3,396 |
-6,91837 |
-12,0822 |
-2,04635 |
|
15,98734 |
12,14477 |
7,149711 |
3,255912 |
-1,67317 |
-7,94601 |
-12,8589 |
-2,04635 |
|
16,73974 |
11,91585 |
7,583132 |
1,961555 |
-2,52676 |
-7,73934 |
-10,7553 |
-2,04635 |
|
16,68106 |
12,32361 |
7,242205 |
2,894998 |
-2,81661 |
-7,71665 |
-12,3439 |
-2,04635 |
|
16,63729 |
11,34992 |
6,194594 |
1,002687 |
-2,55211 |
-6,32845 |
-11,0209 |
-2,04635 |
|
16,07992 |
11,51104 |
6,298964 |
2,041354 |
-3,20465 |
-7,52003 |
-11,369 |
-2,04635 |
|
17,0525 |
11,25955 |
7,819526 |
1,470333 |
-1,32244 |
-7,14372 |
-11,6167 |
-2,04635 |
|
16,82776 |
11,97848 |
6,525349 |
2,205196 |
-2,79963 |
-7,16401 |
-11,0239 |
-2,04635 |
|
16,88268 |
10,88002 |
5,615753 |
3,768398 |
-2,03106 |
-6,40626 |
-13,7318 |
-2,04635 |
|
16,50525 |
12,45382 |
5,802167 |
2,766587 |
-2,67302 |
-8,58217 |
-12,2415 |
-2,04635 |
|
15,91787 |
11,85666 |
5,996475 |
1,136983 |
-2,58016 |
-6,88204 |
-12,5838 |
-2,04635 |
|
17,19175 |
12,12705 |
6,078606 |
2,705536 |
-3,11527 |
-6,12426 |
-11,4911 |
-2,04635 |
|
16,3408 |
11,50244 |
7,495226 |
1,870965 |
-1,8263 |
-6,22376 |
-11,4557 |
-2,04635 |
|
16,46453 |
12,20002 |
7,775507 |
2,753538 |
-3,60036 |
-8,30874 |
-13,1872 |
-2,04635 |
|
15,55237 |
11,52839 |
6,9536 |
2,306546 |
-2,48017 |
-6,78093 |
-11,7954 |
-4,09269 |
|
15,46224 |
9,295301 |
6,882611 |
0,631724 |
-2,24806 |
-6,97542 |
-11,1901 |
-4,09269 |
|
16,55685 |
9,42055 |
5,925825 |
1,003013 |
-3,42815 |
-8,67428 |
-13,5879 |
-4,09269 |
|
14,80854 |
11,26723 |
5,667791 |
0,701051 |
-2,64284 |
-7,99994 |
-13,3354 |
-4,09269 |
|
15,99817 |
10,4728 |
6,076402 |
1,093538 |
-4,31595 |
-9,36543 |
-13,2123 |
-4,09269 |
|
15,55864 |
10,21638 |
7,312137 |
1,312726 |
-3,73327 |
-7,56308 |
-13,2561 |
-4,09269 |
|
15,74386 |
9,944819 |
4,738946 |
0,877936 |
-3,8339 |
-6,61935 |
-12,8478 |
-4,09269 |
|
15,12713 |
9,952755 |
5,864974 |
0,489042 |
-2,78383 |
-7,83825 |
-12,8272 |
-4,09269 |
|
15,72242 |
10,65271 |
5,527479 |
0,596476 |
-3,59771 |
-8,50322 |
-14,2954 |
-4,09269 |
|
15,52656 |
10,43873 |
5,831463 |
0,818255 |
-1,84572 |
-8,67776 |
-12,4923 |
-4,09269 |
|
15,34293 |
10,78361 |
5,680686 |
2,048096 |
-3,0553 |
-9,31616 |
-13,3992 |
-4,09269 |
|
15,47937 |
10,21927 |
4,954442 |
0,737134 |
-3,23651 |
-8,52204 |
-13,5391 |
-4,09269 |
|
15,87515 |
10,21658 |
5,456983 |
1,36101 |
-2,88538 |
-8,02831 |
-12,738 |
-4,09269 |
|
16,28445 |
10,79212 |
6,397461 |
0,922823 |
-4,46135 |
-8,3205 |
-12,6629 |
-4,09269 |
|
15,27796 |
10,38426 |
5,366454 |
2,157009 |
-2,79405 |
-7,93101 |
-13,0879 |
-4,09269 |
|
15,72884 |
9,515012 |
6,269343 |
1,643064 |
-4,04486 |
-8,59085 |
-12,4212 |
-4,09269 |
|
15,4175 |
11,39624 |
6,347477 |
2,526535 |
-2,84339 |
-8,12195 |
-13,3469 |
Для начала найдем количество уровней, которые принимают факторы x1 и x2:
u1 = 7 (количество уровней x1); u2 = 5 (количество уровней x2) и количество наблюдений выходной величины Y на каждом из сочетаний уровней m = 16.
Затем в таблицу 3 заносим значения суммы квадратов отклонений QE , которую найдем как произведение выборочной дисперсии на (m - 1), с помощью функции ДИСП.В.
Таблица 3
Для расчёта Qe |
||||||
5,017307941 |
2,522626119 |
8,716565505 |
11,75801291 |
7,087399047 |
5,27621253 |
6,583204635 |
5,8909007 |
3,591668948 |
4,780944181 |
6,994518565 |
9,687064051 |
7,891629197 |
5,121439362 |
7,693115189 |
4,777804972 |
5,992290674 |
8,801183122 |
5,034606912 |
5,453003972 |
9,605404369 |
3,339779722 |
4,441278617 |
7,813736763 |
8,294400934 |
6,308851394 |
8,272514285 |
11,58407649 |
2,758296101 |
5,458440808 |
6,54471556 |
5,657100074 |
8,064771193 |
8,101232842 |
6,925213255 |
Находим сумму QE = 231,8413109.
Далее находим среднее значение выходной величины (Yср= 3,161304979), сумму квадратов отклонений по всей выборке (Qo = 51418,05034) и количество значений Y (N = 560).
Строим таблицу 4, в которую заносим средние значения выходной величины из таблицы 1, и находим средние значения по столбцам (Y//i) и строкам (Y//j) этой таблицы.
Таблица 4
Y//j |
|
Таблица средних Y/ij |
||||||
5,141901696 |
|
19,544418 |
14,49625406 |
9,622251188 |
5,236929063 |
0,395653875 |
-4,366451188 |
-8,93574312 |
4,16473292 |
|
18,5171465 |
13,63413775 |
8,81344775 |
4,270983063 |
-0,680725938 |
-5,290498313 |
-10,1113603 |
3,076363018 |
|
17,21754113 |
12,44665894 |
7,81431725 |
3,07270425 |
-1,806155 |
-6,079062438 |
-11,131463 |
2,199763875 |
|
16,42415625 |
11,77184638 |
6,741603 |
2,326801625 |
-2,620006 |
-7,201294188 |
-12,0447599 |
1,223763384 |
|
15,6194135 |
10,31052331 |
5,893779625 |
1,1824645 |
-3,23439175 |
-8,190469188 |
-13,0149763 |
|
Y//i |
17,46453508 |
12,53188409 |
7,777079763 |
3,2179765 |
-1,589124963 |
-6,225555063 |
-11,0476605 |
Вычисляем среднее значение по столбцу Y//j. Оно равно 3,161304979.
Составляем таблицу для расчета Qx1x2 (таблица 5).
Таблица 5
Для расчёта Qx1x2 |
||||||
0,099286207 |
-0,01622674 |
-0,13542529 |
0,038355845 |
0,00418212 |
-0,12149284 |
0,131320707 |
0,049183484 |
0,098825721 |
0,032940046 |
0,049578621 |
-0,09502891 |
-0,06837119 |
-0,06712776 |
-0,16205198 |
-0,00028318 |
0,122179448 |
-0,06033028 |
-0,13208807 |
0,231434586 |
0,001139511 |
-0,07883772 |
0,201503391 |
-0,07393565 |
0,070366229 |
-0,06933993 |
-0,01419802 |
-0,03555828 |
0,09242002 |
-0,28381918 |
0,054241457 |
-0,09797040 |
0,292274807 |
-0,02737253 |
-0,02977416 |
|
|
|
|
|
|
|
0,009857751 |
0,000263307 |
0,01834001 |
0,001471171 |
1,74901E-05 |
0,014760511 |
0,017245128 |
0,002419015 |
0,009766523 |
0,001085047 |
0,00245804 |
0,009030495 |
0,00467462 |
0,004506137 |
0,026260847 |
8,01962E-08 |
0,014927818 |
0,003639744 |
0,01744726 |
0,053561967 |
1,29848E-06 |
0,006215386 |
0,040603617 |
0,005466482 |
0,004951406 |
0,004808026 |
0,000201584 |
0,001264392 |
0,00854146 |
0,080553327 |
0,002942136 |
0,0095982 |
0,085424563 |
0,000749255 |
0,000886501 |
Значения в первых пяти строках таблицы 5 рассчитываются как разность суммы значения Yср из таблицы 4 для текущих i и j и среднего значения по столбцу Y//j, и суммы средних значений Y//i и Y//j для текущих i и j.
В последних пяти строках таблицы 5 представлены значения квадратов чисел из первых пяти строк таблицы. Далее считаем сумму этих квадратов, она получается равна 0,463940594.
Находим рассеяние по факторам x1 и x2: Qх1 = 50101,8528; Qх2 = 1076,933184. Оно вычисляется аналогично данным таблицы 3.
Находим значение Qx1x2 как произведение суммы квадратов из таблицы 5 и m:
Qx1x2 = 7,423049506.
Далее проводим оценку дисперсий S2e, S2x1, S2x2 и S2x1x2 по критерию Фишера.
Дисперсии находим по формулам: S2e = QE / (u1*u2*(m-1));
S2x1 = Qx1 / (m*u2*(u1-1)); S2x2 = Qx2 / (m*u1*(u2-1)); S2x1x2 = Qx1x2 / ((u1-1)*(u2-1)).
Получаем значения дисперсий:
S2e = 0,441602497;
S2x1 = 104,37886;
S2x2 = 2,403868713;
S2x1x2 = 0,309293729.
Находим значения критерия Фишера:
Fx1 = S2x1 / max(S2e, S2x1, S2x2, S2x1x2) = 236,3638356;
Fx2 = S2x2 / max(S2e, S2x1, S2x2, S2x1x2) = 5,443512501.
Находим количество степеней свободы числителя и знаменателя:
Для х1 степени свободы: fЧ = m*u2*(u1-1)= 480; fЗ = u1*u2*(m-1) = 525.
Для х2 степени свободы: fЧ = m*u1*(u2-1)= 448; fЗ = u1*u2*(m-1) = 525.
Находим критические значения критерия Фишера с помощью функции F.ОБР:
FКРx1 (0,95; fЧ ; fЗ ) = 1,158076129;
FКРx2 (0,95; fЧ ; fЗ ) = 1,160963506.
Так как Fx1 > FКРx1 и Fx2 > FКРx2, то уровни x1 и x2 не оказывают влияния на математическое ожидание.
