Скачать презентацию Вопрос 2 Корреляционнорегрессионный анализ Простая и множественная связь Скачать презентацию Вопрос 2 Корреляционнорегрессионный анализ Простая и множественная связь

Лекция_9-Корреляционно-регрессионный анализ.ppt

  • Количество слайдов: 15

Вопрос 2. Корреляционнорегрессионный анализ Простая и множественная связь Вопрос 2. Корреляционнорегрессионный анализ Простая и множественная связь

В ходе анализа решаются следующие вопросы: 1. Существует ли связь между двумя или более В ходе анализа решаются следующие вопросы: 1. Существует ли связь между двумя или более переменными? 2. Какой тип имеет эта связь? 3. Насколько она сильна? 4. Какой прогноз можно сделать, основываясь на этой связи?

а) Положительная линейная зависимость. Чем больше часов на подготовку к экзамену, тем выше результат. а) Положительная линейная зависимость. Чем больше часов на подготовку к экзамену, тем выше результат.

б) Отрицательная линейная зависимость. Чем больше пропустил, тем ниже оценка. б) Отрицательная линейная зависимость. Чем больше пропустил, тем ниже оценка.

в) Отсутствие зависимости. Время подготовки не связано с количеством вопросов, которые задаст преподаватель. в) Отсутствие зависимости. Время подготовки не связано с количеством вопросов, которые задаст преподаватель.

Коэффициент корреляции Пирсона Коэффициент корреляции Пирсона

Критерии коэффициента корреляции Критерии коэффициента корреляции

Проверка гипотезы Проверка гипотезы

Корреляция и причинная связь • Ситуация 1. Прямая причинноследственная связь между переменными. • Ситуация Корреляция и причинная связь • Ситуация 1. Прямая причинноследственная связь между переменными. • Ситуация 2. Обратная причинноследственная связь между переменными • Ситуация 3. Связь между переменными вызвана третьей переменной. • Ситуация 4. Взаимосвязь между несколькими переменными. • Ситуация 5. Зависимость случайна.

Нахождение коэффициентов линейной регрессии Нахождение коэффициентов линейной регрессии

Необъяснимое и объяснимое отклонение Необъяснимое и объяснимое отклонение

Интервал предсказания имеет следующий вид: Интервал предсказания имеет следующий вид:

Оценка интервала предсказаний • ШАГ 1. Нахождение уравнения линейной регрессии. • ШАГ 2. Подставим Оценка интервала предсказаний • ШАГ 1. Нахождение уравнения линейной регрессии. • ШАГ 2. Подставим в уравнение регрессии значение прогнозируемое значение Х. Получим предсказываемое значение • ШАГ 3. Вычислим стандартную ошибку оценки. • ШАГ 4. Найдем t-значение. (tкр) • ШАГ 5. Вычислим точность интервальной оценки E. • ШАГ 6. Сделаем выводы.