гипотезы линейной регрессионной модели

Для полученной диаграммы выбрать меню Диаграмма - Доба­вить линию тренда.Тренд это график регрессионной модели (от англ. trend тенденция).

Построить Точечную диаграмму.

Вызвать Мастер диаграмм.

Выделить обе колонки исходных данных (наборы X и Y).

Алгоритм построения регрессионной модели:

    MS Excel позволяет построить регрессионную модель по статистическим данным и получить значение коэффициента детерминированности (достоверности) R2 (КД). КД определяет, насколько удачной является полученная регрессионная модель. КД принимает значения от 0 до 1. Если он равен 1, то функция точно проходит через табличные значения, если 0, то выбранный вид регрессионной модели совсем неудачен. Чем R2 ближе к 1, тем удачнее модель.

    Полученная аналитическая зависимость называется регрессионной моделью.

С помощью метода наименьших квадратов (МНК) по имеющимся статистическим данным найти значения величин а, Ь, с, определяющих конкретный вид приня­той зависимости.

На основании физического смысла статистических данных принять вид аналитических зависимостей. Это может быть, например, полином второй степени у = ах2 + bx + с, линейная зависимость у = ах + b и т. п. Во всех формулах x аргумент y значение функции, а, b, с параметры функций.

    Для определения статистической зависимости необходимо выпол­нить два шага:

Использование динамических (электронных) таблиц для обработки и представления результатов естественно-научного и математического эксперимента, экономических и экологических наблюдений, социальных опросов

в научной деятельности для обработки результатов экс­периментов, оценки их достоверности, проверки гипо­тез и пр.

в социологии и психологии для обработки и анализа ре­зультатов опросов, тестирования, анкетирования;

в народном хозяйстве при: анализе результатов дея­тельности предприятий и организаций; оценке состоя­ния финансового, сырьевого и других рынков; анализе прибыльности инвестиционной деятельности; составле­нии краткосрочных планов и долгосрочных прогнозов;

Статистический анализ данных широко используется:

    Зависимости между параметрами некоторого объекта, процесса, явления могут быть выражены с помощью мате­матических формул. Но в некоторых случаях коэффициен­ты в этих формулах могут быть получены в результате ста­тистической обработки экспериментальных данных. Стати­стика это наука о сборе, измерении и анализе больших массивов количественных данных. Статистические данные носят приближенный, усредненный характер, получаются путем многократных измерений. Математический аппарат статистики разрабатывает раздел науки под названием «Ма­тематическая статистика». Статистические данные исполь­зуются, в частности, для получения упрощенного математи­ческого описания сложной или неизвестной зависимости между данными некоторой системы (регрессионные моде­ли). Статистические функции электронных таблиц позво­ляют обрабатывать статистические данные, например, вы­числять, среднее арифметическое числовых данных (СРЗНАЧ), среднее геометрическое положительных число­вых данных, минимальное и максимальное значения из на­бора данных, выполнять подсчеты (СЧЁТ, СЧЁТЕСЛИ, СЧЁТЗ, СЧИТАТЬПУСТОТЫ и т. д.).

Математическая обработка статистических данных, результатов эксперимента.

Математическая обработка статистических данных, ре­зультатов эксперимента. Использование динамических (электронных) таблиц для обработки и представления результатов естественно-научного и математического эк­сперимента, экономических и экологических наблюде­ний, социальных опросов.

Билет 23 (вопрос 1)

ИНФОРМАТИКА И ИКТ