I. Построение модели в среде Excel.
В таблице 2.1 приведены значения независимой переменной X(доход американской семьи (тысяч долларов) и значения зависимой переменной Y(доля расходов на товары длительного пользования в процентах от общей суммы расходов).
Таблица 2.1.
Xi | 1 | 2 | 3 | 4 | 5 | 6 |
Yi | 10 | 13,4 | 15,4 | 16,5 | 18,6 | 19,1 |
Используя экспериментальные данные из таблицы 2.1 необходимо построить несколько аналитических моделей зависимости расходов на товары длительного пользования от доходов, и вычислить коэффициент детерминации R2.
В пакете Excel присутствует команда «Добавить линию тренда». Стандартно она используется для выделения тренда (медленных изменений) при анализе временных рядов. Однако эту команду можно использовать и для построения уравнения регрессии, рассматривая в качестве времени t независимую переменную X.
Эта команда позволяет построить следующие уравнения регрессии:
линейную y=a0+a1x;
полиноминальную y=a0+a1x+a2x2+a3x3+…+akxk (k≤6).
логарифмическую y=a0+a1*ln(x)
степенную ;
экспоненциальную
Для построения одной из перечисленных регрессий необходимо выполнить следующие шаги:
Шаг 1. В выбранном листе Excel ввести по столбцам исходные данные {xi;yi} (см. рис. 2.1).
Шаг 2. По этим данным построить график в декартовый системе координат (см. рис 2.1).
Шаг 3. Установить курсор на построенном графике, сделать щелчок правой кнопкой и в появившемся контекстном меню выполнить команду Добавить линию тренда (см. рис. 2.1).
Рис. 2.1. Построение графика по исходным данным и выбор добавления линии тренда
Шаг 4. В появившемся диалоговом окне (см. рис. 2.2) активизировать поле «Параметры линии тренда» и выбрать нужное уравнение регрессии.
Рис. 2.2. Выбор вида уравнения регрессии
Шаг 5. Включить необходимые опции:
«Показывать уравнение на диаграмме» - на диаграмме будет показано выбранное уравнение регрессии с вычисленным коэффициентами;
«Поместить на диаграмму величину достоверности аппроксимации (R^2)» - на диаграмме будет показана значение коэффициента детерминации R2 .
Рис. 2.3. Задание опций вывода информации
Шаг 6. После задания всех перечисленных опций щелкнуть на кнопке «OK», и на диаграмме появиться формула построенного уравнения регрессии и значение индекса детерминации R2 .
Рис. 2.4. График и уравнение построенной регрессии
Меняя параметры и вид функции регрессии в окне «Формат линии тренда» можно моментально наблюдать на графике изменение линии регрессии и ее характеристик. Таким образом можно «перебирать» различные функции регрессии для выбора оптимальной, то есть той, которая обеспечит максимальный коэффициент детерминации.
- Лабораторная работа №1. Аналитическое моделирование.
- I.Статичные аналитические модели оптимизации. Построение в среде ms Excel.
- Задача линейного программирования (злп).
- I этап: Анализ словесного описания задачи
- II этап: Построение математической модели
- III этап: Формирование задачи выбора наилучшей стратегии
- Решение задач линейного программирования с помощью надстройки «поиск решений» в среде excel
- Задача оптимального использования ресурсов
- Запуск «Поиска решения»
- Создание отчета по результатам поиска решения
- Индивидуальные варианты заданий.
- II. Статичные аналитические модели, описываемые уравнениями. Построение в среде MathCad.
- Решение уравнений средствами Mathcad
- Построение графиков в MathCad
- Рекомендации по использованию функции root.
- Нахождение корней полинома
- Символьное решение уравнений
- Индивидуальные варианты заданий.
- III. Динамические аналитические модели. Построение в среде MatLab.
- Решение обыкновенных дифференциальных уравнений в matlab.
- Решение систем обыкновенных дифференциальных уравнений с заданными начальными условиями.
- Решение дифференциальных уравнений второго порядка.
- Интегрирование систем линейных дифференциальных уравнений в матричном виде.
- Варианты заданий. Общие задания.
- Индивидуальные задания.
- Лабораторная работа №2. Построение аналитической модели по результатам эксперимента.
- I. Построение модели в среде Excel.
- II. Построение модели в среде Statistica. Общие сведения о программе Statistica.
- III. Построение модели в среде Origin Pro.
- Индивидуальные варианты заданий.
- Лабораторная работа №3. Модели массового обслуживания.
- I. Построение модели в среде AnyLogic.
- Пользовательский интерфейс
- Общая информация о создании моделей в Enterprise Library
- Моделирование одноканальной смо с очередью.
- Моделирование многоканальной смо с очередью.
- Сбор статистики о времени обслуживания клиента.
- Индивидуальные варианты заданий.
- Лабораторная работа №4. Моделирование интеллектуальных систем. Нейросеть обратного распространения ошибки.
- I. Обзор использования пакета Excel Neural Package.
- II. Обзор использования пакета Deductor.
- III. Обзор использования пакета statistica Neural Networks.
- Индивидуальные варианты заданий.
- Лабораторная работа №5. Моделирование интеллектуальных систем. Нейронная сеть для кластеризации.
- I. Теоретические сведения.
- II. Проектирование карты Кохонена в пакете Excel Neural Package.
- III. Проектирование карты Кохонена в пакете Deductor.
- IV. Проектирование карты Кохонена в пакете Statistica.
- Индивидуальные варианты заданий.
- Лабораторная работа №6. Моделирование интеллектуальных систем. Система нечеткого вывода.
- I. Постановка задачи.
- II. Процесс разработки системы
- Индивидуальные варианты заданий.