Экономико-математическое моделиpование
4.По значениям экспериментальным и теоретическим строим графики.
5. Связь между двумя случайными величинами, которая определяется с
некоторой вероятностью, называется корреляционной. Для
количественной оценки линейной корреляции используется коэффициент
парной корреляции
r = 10*S4-S1*S2
(10*S3-S12)*(10*S5-S22)
S5=SUM(Yi2)
r=
0,9104
По таблице Чеддока найдём тесноту связи между двумя явлениями, связь
"очень тесная"
6.Качество уравнений регрессии оценивают по его прогнозирующей
способности. Уравнения хорошо прогнозируют(т.е. адекватно описывают)
экспериментальные данные, если расхождения между экспериментальными
и расчетными данными находятся в допустимых пределах.
Для проверки адекватности уравнения найдем среднюю относительную
ошибку прогнозирования E:
E=100 *SUM |Yэi - Ypi|
10 Yэi
где Yэi -экспериментальное, Ypi - расчетное значение
Е=
4,434%
Это сравнительно большое значение ошибки прогнозирования при
полученном выше значении r.
Внимательно посмотрим на значения отклонений между фактическими и
расчетными значениями Y. Почти непрерывный рост уражайности
после 8 года сменяется спадом. 10 год дает самый большой прирост
ошибки прогнозирования.
По всей видимости, для описания зависимости, лучше подошло бы
не уравнение прямой, а уравнение параболлы, так как после достижения
определенного уровня осадков урожайность начинает падать (много воды -
это тоже плохо для урожая) см. последние значения Х и Y
В 4 год также сравнительно большое расхождение, это может быть
вызванно тем, что урожайность зерновых зависит не только от
количества осадков, но и от многих других факторов, например от
количества теплых дней. Просто было холодно.
|
i |
X |
Y |
X2 |
XY |
Yрасч |
Y2 |
(Y-Yрасч) Y |
|
1 |
25 |
23 |
625 |
575 |
23,5 |
529 |
0,0217 |
|
2 |
27 |
24 |
729 |
648 |
24,67 |
576 |
0,0279 |
|
3 |
30 |
27 |
900 |
810 |
26,42 |
729 |
0,0215 |
|
4 |
35 |
27 |
1225 |
945 |
29,33 |
729 |
0,0863 |
|
5 |
36 |
32 |
1296 |
1152 |
29,92 |
1024 |
0,0650 |
|
6 |
38 |
31 |
1444 |
1178 |
31,08 |
961 |
0,0026 |
|
7 |
39 |
33 |
1521 |
1287 |
31,67 |
1089 |
0,0403 |
|
8 |
41 |
35 |
1681 |
1435 |
32,83 |
1225 |
0,0620 |
|
9 |
42 |
34 |
1764 |
1428 |
33,42 |
1156 |
0,0171 |
|
10 |
45 |
32 |
2025 |
1440 |
35,17 |
1024 |
0,0991 |
| |
358 |
298 |
13210 |
10898 |
298 |
9042 |
0,4434 |
|
среднее |
35,8 |
29,8 |
|
Коэффициенты регрессии: |
||||||
|
b |
0,583 |
|||||
|
a |
8,917 |
|||||
|
Уравнение регрессии: Y= |
8,917+0,583*Х |
|||||
|
Коэффициент парной корреляции: |
||||||
|
ЧИСЛИТ |
2296 |
|||||
|
ЗНАМЕН |
2522 |
|||||
|
R |
0,91 |
|||||
|
Средняя относительная ошибка прогнозирования: |
||||||
|
E= |
4,43439 |
|||||
Диаграмма6

|
25 |
23 |
23,5 |
|
27 |
24 |
24,67 |
|
30 |
27 |
26,42 |
|
35 |
27 |
29,33 |
|
36 |
32 |
29,92 |
|
38 |
31 |
31,08 |
|
39 |
33 |
31,67 |
|
41 |
35 |
32,83 |
|
42 |
34 |
33,42 |
|
45 |
32 |
35,17 |
