Материалы сайта
Это интересно
Курсовая работа
Лабораторная работа № 1. Тема: «Сводка, группировка, статистические таблицы». Цель: выявление обобщающих закономерностей, характерных для изучаемой совокупности объектов наблюдения как целостной системы. Цель исследования—определение уровня успеваемости студентов 1-ого курса, а так же факторов на него влияющих. В качестве исследуемых признаков я рассматриваю: 1. средний балл по итогам экзаменов за 1-ый курс (баллы). 2. посещаемость занятий в университете на 1-ом курсе. 3. самообразование (дополнительное обучение, курсы) (ч/нед). 4. сон (ч/сутки). 5. пол (м, ж). 6. подготовка к семинарским и практическим занятиям (ч/нед). 7. нравятся ли студенту на 1-ом курсе занятия в университете (да, нет). Из представленных признаков я выделяю признак-результат—средний балл зачётки по итогам 1-ого курса, так как его значение отвечает цели исследования. Остальные шесть признаков являются признаками-факторами, т. к. они оказывают влияние на признак-результат. Наблюдение единовременное ауд. 722, 522 СПбГИЭУ. Дата проведения: 03.11.2000г. по форме проведения—опрос. Объектом наблюдения являются 2 группы студентов (1093 и 1094) 2-ого курса. единица наблюдения—студент. Исследование основного массива. Таблицы с исходными данными. Таблица 1 |Средний |Посещаемост|Самообразо|Подготовка|Сон |Пол |Нравятся | |балл |ь занятий |вание |к |(ч/сут) |(м, ж) |ли | |зачётки |на первом |(доп. |семинарски| | |занятия в| |по |курсе |Курсы) |м занятиям| | |университ| |итогам | |ч/нед |(ч/нед) | | |ете (да, | |экзамено| | | | | |нет) | |в за | | | | | | | |1-ый | | | | | | | |курс | | | | | | | |(баллы) | | | | | | | |4,7 |19,5 |0 |5 |7 |Ж |Да | |4,5 |22 |2 |6 |9 |Ж |Да | |4,2 |22 |0 |2 |6 |М |Да | |4,3 |19,5 |0 |7 |7 |Ж |Да | |4,5 |17,5 |0 |3 |7 |Ж |Нет | |4,2 |9,5 |6 |12 |10 |Ж |Да | |4,0 |12,5 |0 |5 |5 |Ж |Да | |4,7 |22 |4 |7 |6 |Ж |Да | |4,6 |17,5 |3 |4 |8 |Ж |Да | |4,7 |9,5 |0 |2 |7 |Ж |Да | |4,5 |11,5 |6 |3 |7 |Ж |Да | |4,0 |11,5 |2 |3 |9 |Ж |Да | |4,2 |19,5 |4 |8 |8 |Ж |Нет | |4,0 |20,5 |6 |9 |5 |Ж |Да | |3,2 |9,5 |0 |0 |10 |М |Нет | |4,0 |17,5 |0 |8 |8 |М |Нет | |3,2 |14,5 |0 |2 |8 |М |Нет | |3,5 |14,5 |0 |2 |8 |М |Нет | |4,8 |22 |0 |10 |10 |Ж |Нет | |4,6 |8,5 |0 |1 |8 |М |Да | |4,5 |22 |0 |4 |7 |Ж |Да | |4,5 |22 |6 |2 |7 |М |Да | |4,2 |17,5 |4 |4 |9 |М |Нет | |4,5 |14,5 |6 |4 |10 |Ж |Да | |4,2 |11,5 |2 |2 |8 |Ж |Нет | |4,8 |17,5 |0 |4 |9 |Ж |Нет | |4,0 |10,5 |0 |2 |7 |Ж |Да | |4,2 |17,5 |2 |6 |5 |Ж |Да | |3,0 |9,5 |0 |0 |9 |М |Нет | |4,8 |19,5 |2 |2 |8 |Ж |Да | |4,8 |19,5 |2 |6 |9 |Ж |Да | |4,3 |17,5 |4 |2 |7 |Ж |Да | |3,2 |6,0 |0 |0 |5 |М |Нет | |4,5 |22 |2 |5 |9 |Ж |Нет | |4,7 |22 |4 |3 |6 |Ж |Да | |4,2 |22 |3 |5 |8 |Ж |Да | |4,6 |9,5 |0 |1 |8 |Ж |Нет | |3,0 |14,0 |0 |2 |10 |М |Нет | |3,0 |6,5 |0 |5 |9 |М |Нет | |4,0 |22 |2 |5 |9 |Ж |Да | |4,7 |17,5 |6 |0 |10 |Ж |Нет | |3,5 |11,5 |0 |6 |7 |М |Нет | |4,7 |22 |6 |2 |5 |Ж |Да | |4,5 |22 |0 |0 |8 |Ж |Да | |3,2 |17,5 |4 |8 |9 |Ж |Да | |4,8 |22 |0 |0 |5 |М |Да | |3,2 |9,5 |0 |5 |10 |М |Да | |4,5 |17,5 |0 |3 |10 |Ж |Да | |3,0 |14,5 |5 |3 |7 |М |Нет | |4,7 |11,5 |5 |3 |7 |М |Нет | Структурные группировки. 1 группировка. Таблица 2 |Средний балл по |Число студентов |% к итогу |Fi | |итогам экзаменов | | | | |за 1 курс, баллы | | | | |[3-3,5] |9 |18 |9 | |[3,5-4] |3 |6 |12 | |[4-4,5] |15 |30 |27 | |[4,5-5] |23 |46 |50 | |Итог: |50 |100 | | Для удобства разбиваем вариационный ряд на 4 равных интервала. Величину интервала определяем по формуле: h = R / n = (X max – X min) / n = (5-3) / 4 = 0,5 гистограмма: кумулята: [pic] считаем по несгруппированным данным для большей точности: Х = (4,7 + 4,5 + 4,2 + 4,2 +4,5 + 4,2 + 4,0 + 4,7 + 4,6 + 4,7 + 3,5 + 4,0 + 3,2 + 4,0 + 3,2 + 3,5 + + 4,8 + 4,6 + 4,5 + 4,5 + 4,2 + 4,5 + 4,2 + 4,8 + 4,0 + 4,2 + 3,0 + 3,2 + 4,8 + 4,8 + 4,3 + 4,5 + 4,7 + 4,2 + 4,6 + 3,0 + 3,0 + 4,0 + 4,7 + 3,5 + 4,7 + 4,5 + 3,2 + 4,5 + 4,8 + 3,2 + 3,0 + 4,5 + 4,7) / 50 = 4,27 (балла) Ме = x0 + ( Ме (N/2 – F(x0) / NMe Me = 4+ 0,5 (25 –12) / 15 = 4,4 (балла) Мо = х0 + ( Мо (NМо – NМо-1) / (NМо – NМо-1) + (NМо – NМо+1) Mo = 4,5 + 0,5 (25-15) / ((23-15) + (23-0)) = 4,6 (балла) D = ( (xi – x)2 / n считаем по несгруппированным данным. D = 0,3 (кв. балла) bx = (D bx = (0,3 = 0,55 (балла) V = bx / x ( 100% V = (0,55 / 4,27) ( 100% = 128% R = xmax – xmin R = 5 – 3 = 2 (балла) Вывод: средний балл зачётки по итогам экзаменов за 1-ый курс для данной совокупности составляет 4,27 балла. Т. к. коэффициент вариации является величиной незначительной (128%), можно предполагать, что такой средний балл является типичным для данной совокупности. Наиболее распространённым является балл зачётки 4,6 балла. Средний балл у 50% студентов не больше 4,4 балла. Группировка 2 Таблица 3 |Посещаемость, |Число студентов, |% к итогу |Fi | |ч/нед |чел | | | |[6-10] |9 |18 |9 | |[10-14] |8 |16 |17 | |[14-18] |15 |30 |32 | |[18-22] |18 |36 |50 | |Итог: |50 |100 | | Разбиение на интервалы аналогично группировке 1. Для несгруппированных данных, значит более точный результат. Х = ( xi / n X = 16, 13 (ч/нед) Ме = x0 + ( Ме (N/2 – F(x0) / NMe Ме = 14 + 4 (25 – 17) / 15 = 17,3 (ч/нед) [pic] D = ( (xi – x)2 / n D = 19,4 ((ч/нед)2) bx = (D = 4,4 (ч/нед) V = bx / x ( 100% = (4,4 / 16,13) ( 100% = 27,2% R = xmax – xmin R = 22 – 16 = 16 (балла) Вывод: средняя посещаемость в группах составляет 16,13 ч/нед (70% от часов в неделю назначенных расписанием). Коэффициент вариации является величиной незначительной (28,6%), следовательно. Такая средняя посещаемость типична для студентов данной совокупности. Большинство студентов посещало 17,3 ч/нед. Посещаемость занятий у 50% студентов меньше 19 ч/нед, у 50% больше 19 ч/нед. Группировка 3 Таблица 4 |Самообразование, |Число студентов |% к итогу |Fi | |курсы (ч/нед) | | | | |0 |25 |50 |25 | |2 |8 |16 |33 | |3 |2 |4 |35 | |4 |6 |12 |41 | |5 |2 |4 |43 | |6 |7 |14 |50 | |Итог: |50 |100 | | Полегон частот: кумулята Х = ( xi (i / ( (i = (0 ( 25 + 2 ( 8 + 3 ( 2 + 4 ( 6 + 5 ( 2 + 6 ( 7) / 50 = 1,96 (ч/нед) NMe = (n+1) / 2 = 51 / 2 = 25,5 Me = x NMe ; Me = 2 (ч/нед) ; Мо = 0 (ч/нед) D = ( (xi – x)2 (i / ( (I = ((0 – 1,96)2 ( 25 + (2 – 1,96)2 ( 8 + (3 – 1,96)2 ( 2 + (4 – 1,96)2 ( 6 + (5 – 1,96)2 ( 2 + (6 – 1,96)2 ( 7) / 50 = 5,1 (ч/нед)2 bx = 2,26 (ч/нед) V = (2,26 / 1,96) ( 100% = 115% R = 6 – 0 = 6 (ч/нед) Вывод: среднее количество часов, затраченное студентами на самообразование 1,96 ч/нед. Т. к. коэффициент вариации является величиной значительной (115%), то среднее количество является не типичным для данной совокупности. Наиболее распространённым является количество часов самообразования равное 0 ч/нед. Ровно половина из 50 опрошенных студентов не занимались на первом курсе дополнительным самообразованием. Группировка 4 Таблица 5 |Подготовка к |Число студентов |% к итогу |Fi | |семинарам, ч/нед | | | | |[0-3] |21 |42 |21 | |[3-6] |18 |36 |39 | |[6-9] |8 |16 |47 | |[9-12] |3 |6 |50 | Для удобства разбиваем вариационный ряд на 4 равных интервала. Величину интервала определяем по формуле: h = R / n. h = 3. [pic] Х = ( xi / n Х = 4,08 (ч/нед) Ме = 3 + 3 (25 – 21) / 18 = 3,6 (ч/нед) Мо = 0 + 3 (21 – 0) / ((21 – 0) + (21 – 8)) = 1,85 (ч/нед) D = ( (xi – x)2 / n D = 7,2 ((ч/нед)2) bx = 2,7 (ч/нед) V = (2,7 / 4,08) ( 100% = 65,6% R = 12 – 0 = 12 (ч/нед) Вывод: среднее время, затраченное на подготовку к семинарским занятиям у студентов на 1 курсе 4,08 ч/нед. Т. к. коэффициент вариации является величиной значительной, то среднее время подготовки является величиной не типичной для данной совокупности студентов. Наиболее распространённым количеством часов на подготовку равно 1,85 ч/нед. Число студентов, занимающихся больше 3,6 ч/нед равно числу студентов, занимающихся подготовкой к занятиям больше 3,6 ч/нед. Группировка 5 Таблица 6 |Сон, ч/сутки |Число студентов |% к итогу |Fi | |5 |6 |12 |6 | |6 |3 |6 |9 | |7 |13 |26 |22 | |8 |11 |22 |33 | |9 |8 |16 |41 | |10 |9 |18 |50 | |Итог: |50 |100 | | X = (5 6 + 6 3 + 7 13 + 8 11 + 9 8 + 10 9) / 50 = 7,78 (ч/сут) NMe = (n+1) / 2 Me = 8 (ч/сут) Мо = 7 (ч/сут) D = ( (xi – x)2 (i / ( (I D = 2,4 ((ч/сут)2) bx = 1,55 (ч/сут) V = (1,55 / 7,78) ( 100% = 19,9% R = 10 – 5 = 5 (ч/сут) Вывод: среднее значение часов сна 7,78 ч/сутки. Т. к. коэффициент вариации является величиной незначительной (19,9%), то такое среднее значение часов сна является типичным для данной совокупности. Наиболее распространённым является количество часов сна 7 ч/сутки. Количество студентов, которые спят больше 8 ч/сутки равно количеству студентов, спящих меньше 8 ч/сут. Группировка 6 Таблица 7 |пол |Число студентов, |% к итогу |Fi | | |чел | | | |Ж |33 |66 |30 | |М |17 |34 |50 | |Итог: |50 |100 | | Вывод: из таблицы видно, что большинство опрошенных студентов женского пола. Группировка 7 Таблица 8 |Нравятся ли |Число студентов, |% к итогу |Fi | |занятия на 1 |чел | | | |курсе | | | | |Да |30 |60 |30 | |Нет |20 |40 |50 | |Итог: |50 |100 | | [pic] Вывод: из таблицы видно, что большинству студентов данной совокупности нравились занятия на 1 курсе в академии. Комбинационные группировки. Таблица 9 |сон |Средний балл зачётки |Всего| |Неудовлетворительная |21 |3,7 | |Удовлетворительная |18 |4,3 | |Хорошая |8 |4,4 | |Отличная |3 |4,5 | |Всего: |50 | | Вывод: из таблицы видно, что зависимость между фактором и признаком существует. Группировка 2 Таблица 12 Введём обозначения: 1. 1/3 всех занятий [6-12] ч/нед 2. половина [12-18] ч/нед 3. все занятия [18-22] ч/нед |Посещаемость занятий |Число студентов, чел |Средний балл зачётки за| | | |1 курс | |1/3 всех занятий |13 |3,3 | |половина |19 |4,0 | |все занятия |18 |4,5 | |Всего: |50 | | Вывод: из таблицы видно, что зависимости между признаком-фактором и признаком-результатом явной нет. Группировка 3 Таблица 13 |Самообразование |Число студентов, чел |Средний балл зачётки за| | | |1 курс | |Посещали доп. курсы |25 |4,2 | |Не посещали доп. курсы |25 |4,0 | Вывод: не наблюдается явной зависимости между признаком-фактором и признаком результатом. Лабораторная работа № 2 Тема: Корреляционный анализ, множественная линейная регрессия. Цель: выбор оптимальной модели многофакторной регрессии на основе анализа различных моделей и расчитан для них коэффициентов множественной детерминации и среднеквадратических ошибок уравнения многофакторной регрессии. Корреляционная матрица Таблица 1 | |0 |1 |2 |3 |4 | |0 |1 |0,572 |0,115 |0,486 |0,200 | |1 |0,572 |1 |0,218 |0,471 |-0,112 | |2 |0,115 |0,218 |1 |0,452 |-0,048 | |3 |0,438 |0,471 |0,452 |1 |-0,073 | |4 |-0,2 |-0,112 |-0,048 |-0,073 |1 | Где х0 – средний балл зачётки (результат), х1 – посещаемость занятий, х2 – самообразование (доп. курсы), х3 – подготовка к семинарским занятиям, х4 – сон. Введём обозначения признаков-факторов: 1 – посещаемость занятий на 1 курсе (ч/нед); 2 – самообразование (ч/нед); 3 – подготовка к семинарским и практическим занятиям (ч/нед); 4 – сон (ч/сут); 0 – средний балл зачётки по итогам экзаменов за 1 курс. Расчётная таблица для моделей многофакторной регрессии. Таблица 2 |Модель многофакторной |R2 |E2 | |регрессии | | | |1-2-3-4 |0,39 |0,45 | |1-2-3 |0,37 |0,46 | |2-3-4 |0,23 |0,51 | |1-3-4 |0,38 |0,45 | |1-2 |0,33 |0,47 | |1-3 |0,36 |0,46 | |1-4 |0,35 |0,47 | |2-3 |0,20 |0,52 | |2-4 |0,05 |0,56 | |3-4 |0,22 |0,51 | По трём критериям выбираем оптимальную модель. 1. число факторов минимально (2) 2. max R, R = 0,36 3. min E, E = 0,46 Следовательно, оптимальной моделью является модель 1-3. Значит, признаки- факторы «посещаемость занятий на 1 курсе» и «подготовка к семинарским занятиям» влияют значительнее других факторов на признак-результат. Среднеквадратическая ошибка уравнения многофакторной регрессии небольшая по сравнению с ошибками, рассчитанными для других моделей многофакторной регрессии. Составляю для этой модели уравнение регрессии в естественных масштабах. Х0/1,3 = a + b1x1 + b3x3 Корреляционная матрица. Таблица 3 | |0 |1 |3 | |0 |1,00 |0,57 |0,48 | |1 |0,57 |1,00 |0,47 | |3 |0,43 |0,47 |1,00 | t0/1,3 = (1t1 + (3t3 0,57 = (1 + 0,47(3 0,57 = (1 + 0,47(0,44 – 0,47(1) (1 = 0,4 0,44 = 0,47(1 + (3 (3 = 0,44 – 0,47(1 (3 = 0,25 t0/1,3 = 0,4t1 + 0,25t3 b1 = ((0 / (x1) (1 = (0,47 / 4,4) 0,4 = 0,071 b3 = ((0 / (x3) (3 = (0,79 / 2,68) 0,25 = 0,073 a = x0 – b1x1 – b3x3 = 4,27 – 0,071 ( 16,13 – 0,073 ( 4,08 = 2,8 имеем: х0/1,3 =2,8 + 0,071х1 + 0,073х3 – уравнение линейной множественной регрессии. R0/1,3 = ((1r01 + (3r03 R0/1,3 = (0,4 ( 0,58 + 0,25 ( 0,48 = 0,6 Вывод: коэффициент (1 говорит о том, что признак-результат—средний балл зачётки за 1 курс на 0,4 долю от своего среднеквадратического отклонения (0,4 ( 0,79 = 0,316 балла) при изменении признака-фактора—посещаемости на 1 курсе на одно своё СКО (4,4 ч/нед). (3 – средний балл зачётки изменится на 0,25 долю от своего СКО (0,25 0,79 = 0,179 балла) при увеличении признака-фактора—подготовки к семинарским занятиям на одно своё СКО (2,68 ч/сут). Т. к. (1 < (3, следовательно фактор 1—посещаемость занятий влияет на средний балл зачётки больше, чем фактор 3—подготовка к занятиям. R2 говорит о том, что 36% общей вариации значений среднего балла зачётки на 1 курсе вызвано влиянием посещаемости и подготовки к занятиям. Остальные 60% вызваны прочими факторами. R = 0,58 свидетельствует о том, что между посещаемостью занятий и подготовкой к ним и средним баллом зачётки существует заметная линейная зависимость. Коэффициент b1 говорит о том, что если посещаемость занятий увеличится на 1 ч/нед, то средний балл зачётки увеличится в среднем на 0,071 балла, при условии неизменности всех остальных факторов. b2 говорит о том, что если подготовка к занятиям увеличится на 1 ч/нед, то средний балл зачётки в среднем увеличится на 0,073 балла. (1 = 0,4 (3 = 0,25 r01 = 0,52 r03 = 0,44 r13 = 0,47 Граф связи признаков-факторов: х2 – подготовки к семинарским занятиям, ч/нед; х1 - посещаемости занятий, ч/нед с признаком-результатом х0 – средним баллом зачётки по итогам экзаменов за 1 курс. (1 – мера непосредственного влияния на признак-результат посещаемости занятий. (3 – мера непосредственного влияния подготовки к занятиям на средний балл зачётки. r01 = (1 + r13(3, где r01 – общее влияние х1 на r13(3 – мера опосредованного влияния х1 через х3 на х0. r01 = 0,4 + 0,47 ( 0,25 = 0,52 r03 = (3 + r31(1, где r03 – общее влияние х3 на r31(1 – мера опосредованного влияния х3 через х1 на х0. Лабораторная работа № 3. Тема: «Дисперсионное отношение. Эмпирическая и аналитическая регрессии.» Цель: выявление зависимости между признаками-факторами и признаком- результатом. Таблица с исходными данными. Таблица 1 |Средний балл |Посещаемость |Самообразование |Подготовка к | |зачётки по |занятий на первом |(доп. Курсы) |семинарским | |итогам |курсе (ч/нед) |(ч/нед) |занятиям (ч/нед) | |экзаменов за | | | | |1-ый курс | | | | |(баллы) | | | | |4,7 |19,5 |0 |5 | |4,5 |22 |2 |6 | |4,2 |22 |0 |2 | |4,3 |19,5 |0 |7 | |4,5 |17,5 |0 |3 | |4,2 |9,5 |6 |12 | |4,0 |12,5 |0 |5 | |4,7 |22 |4 |7 | |4,6 |17,5 |3 |4 | |4,7 |9,5 |0 |2 | |4,5 |11,5 |6 |3 | |4,0 |11,5 |2 |3 | |4,2 |19,5 |4 |8 | |4,0 |20,5 |6 |9 | |3,2 |9,5 |0 |0 | |4,0 |17,5 |0 |8 | |3,2 |14,5 |0 |2 | |3,5 |14,5 |0 |2 | |4,8 |22 |0 |10 | |4,6 |8,5 |0 |1 | |4,5 |22 |0 |4 | |4,5 |22 |6 |2 | |4,2 |17,5 |4 |4 | |4,5 |14,5 |6 |4 | |4,2 |11,5 |2 |2 | |4,8 |17,5 |0 |4 | |4,0 |10,5 |0 |2 | |4,2 |17,5 |2 |6 | |3,0 |9,5 |0 |0 | |4,8 |19,5 |2 |2 | |4,8 |19,5 |2 |6 | |4,3 |17,5 |4 |2 | |3,2 |6,0 |0 |0 | |4,5 |22 |2 |5 | |4,7 |22 |4 |3 | |4,2 |22 |3 |5 | |4,6 |9,5 |0 |1 | |3,0 |14,0 |0 |2 | |3,0 |6,5 |0 |5 | |4,0 |22 |2 |5 | |4,7 |17,5 |6 |0 | |3,5 |11,5 |0 |6 | |4,7 |22 |6 |2 | |4,5 |22 |0 |0 | |3,2 |17,5 |4 |8 | |4,8 |22 |0 |0 | |3,2 |9,5 |0 |5 | |4,5 |17,5 |0 |3 | |3,0 |14,5 |5 |3 | |4,7 |11,5 |5 |3 | Рассматриваю первую пару признаков: признак-фактор—посещаемость занятий на 1 курсе (ч/нед) и признак-результат—средний балл зачётки по итогам экзаменов за 1 курс (баллы). Далее обосную взаимосвязь между ними. Расчётная таблица №1 Таблица 2 |Посещаемость|Число |xi |yi |(yi |(2yi |(2yi |yi - y|(yi–y)| |занятий |наблюде| | | | |(i | |2(I | |(ч/нед) |ний | | | | | | | | |[6-10] |9 |8,6 |3,7 |0,71 |0,5 |4,5 |-0,5 |2,25 | |[10-14] |8 |11,5 |4,1 |0,38 |0,14 |1,12 |-0,1 |0,08 | |[14-18] |15 |16,4 |3,7 |1,01 |1,02 |15,3 |-0,5 |3,75 | |[18-22] |18 |19,6 |4,4 |0,31 |0,09 |1,62 |0,4 |2,88 | |Сумма |50 |- |- |- |- |22,54 |- |8,96 | |Средняя |- |15,3 |4,0 |- |- |5,6 |- |2,24 | (2y = (((yi–y)2(I) ( 2y = 8,96 / 50 = 0,1792 (балла)2 E2y= ((б2yi(I) / ((I E2y = (4,5 + 1,12 + 15,3 + 1,62) / 50 = 0,4508(балла)2 б2y = E2y + ( 2y = 0,4508 + 0,1792 = 0,63 (балла)2 (2 = ( 2y / б2y = 0,1792 / 0,63 = 0,28 (0,28%) построение аналитической регрессии. yx = a + bx xy = ((xy(I) / ((I = 62,52 б2x = 19,4 (ч/нед)2 b = (xy – x y) / б2x = (62,52 – 15,3 ( 4,0) / 19,4 = 0,068 a = y – bx = 4,0 – 0,068 ( 15,3 = 2,96 Линейное уравнение регрессии зависимости среднего балла зачётки за 1 курс от посещаемости: строим по двум точкам yx = 2,96 + 0,068х 1. yx = 2,96 + 0,068 ( 6 = 3,358 2. yx = 2,96 + 0,068 ( 22 = 4,446 rxy = (xy – x y) / бxбy = 0,37 Корреляционное поле Эмпирическая линия регрессии Аналитическая линия регрессии Распределение среднего балла зачётки за 1 курс по признаку- фактору—посещаемости занятий на 1 курсе. Вывод: (2 свидетельствует о том, что 28% общей вариации результативного признака вызвано влиянием признака фактора—посещаемостью. Остальные 72% - вызваны влиянием прочих факторов. Можно сказать, что это слабая корреляционная зависимость. Интерпретируя параметр b, предполагаем, что для данной совокупности студентов с увеличением посещаемости занятий на 1 курсе на 1 ч/нед средний балл зачётки увеличивается на 0,068 балла. rxy говорит о том, что между признаком-результатом и признаком-фактором заметная линейная связь. Рассматриваю вторую пару признаков: Расчётная таблица № 2. Таблица 3 |Подготовка|Число |xi |yi |(yi |(2yi |(2yi |yi - y|(yi–y)| |к |наблюде| | | | |(i | |2(i | |семинарски|ний | | | | | | | | |м занятиям| | | | | | | | | |(ч/нед) | | | | | | | | | |[0-3] |20 |1,2 |3,78 |0,63 |0,39 |7,8 |-0,22 |0,96 | |[3-6] |18 |4,0 |4,31 |0,45 |0,2 |3,6 |0,31 |1,72 | |[6-9] |9 |6,8 |4,46 |0,28 |0,07 |0,63 |0,46 |1,9 | |[9-12] |2 |9,5 |4,4 |0,399 |0,15 |0,3 |0,4 |0,32 | |Сумма |50 |- |- |- |- |2,33 |- |4,9 | |средняя |- |3,5 |4,0 |- |- |3,08 |- |1,2 | (2y = (((yi–y)2(I) ( 2y = 4,9 / 50 = 0,098 (балла)2 E2y= ((б2yi(I) / ((I E2y = 12,33 / 50 = 0,25 (балла)2 б2y = E2y + ( 2y = 0,35 (балла)2 (2 = ( 2y / б2y = 0,098 / 0,35 = 0,28 (0,28%) ( = 0,53 построение аналитической регрессии. yx = a + bx xy = ((xy(I) / ((I xy = 15,2 б2x = 7,2 (ч/нед)2 b = (xy – x y) / б2x = (15,2 – 3,5 ( 4,0) / 7,2 = 0,16 a = y – bx = 4,0 – 0,16 ( 3,4 Линейное уравнение регрессии зависимости среднего балла зачётки за 1 курс от подготовки к семинарским занятиям: yx = 2,96 + 0,068х x = 0 y = 3,4 x = 7 y = 4,5 rxy = (xy – x y) / бxбy = (15,2 – 14) / 2,6 = 0,46 Корреляционное поле Эмпирическая линия регрессии Аналитическая линия регрессии Распределение среднего балла зачётки за 1 курс по признаку- фактору—подготовке к семинарским занятиям. Вывод: (2 свидетельствует о том, что 28% общей вариации результативного признака вызвано влиянием признака фактора—подготовкой к семинарским занятиям. Остальные 72% - вызваны влиянием прочих факторов. Можно сказать, что это слабая корреляционная зависимость. Интерпретируя параметр b, предполагаем, что для данной совокупности студентов с увеличением подготовки к занятиям на 1 курсе на 1 ч/нед средний балл зачётки увеличивается на 0,16 балла. rxy говорит о том, что между признаком- результатом и признаком-фактором есть умеренная линейная связь. Рассматриваю третью пару признаков: Расчётная таблица № 3 Таблица 4 |Самообразовани|Число |xi |yi |(yi |(2yi |(2yi |yi - y|(yi–y)| |е (ч/нед) |наблюд| | | | |(i | |2(i | | |ений | | | | | | | | |0 |25 |0 |4,07 |0,68 |0,46 |11,5 |-0,03 |0,022 | |2 |8 |2 |4,38 |0,3 |0,09 |0,72 |0,28 |0,62 | |3 |2 |3 |4,40 |0,2 |0,04 |0,08 |0,3 |0,18 | |4 |6 |4 |4,22 |0,5 |0,25 |1,5 |0,12 |0,08 | |5 |2 |5 |3,35 |0,35 |0,12 |0,24 |-0,75 |1,16 | |6 |7 |6 |3,3 |0,40 |0,16 |1,12 |0,2 |0,28 | |Сумма |50 |- |- |- |- |15,88 |- |2,34 | |средняя |- |1,96 |4,1 |- |- |0,31 |- |0,39 | (2y = (((yi–y)2(I) ( 2y = 2,34 / 50 = 0,046 (балла)2 E2y= ((б2yi(I) / ((I E2y = 15,88 / 50 = 0,31 (балла)2 б2y = E2y + ( 2y = 0,31 + 0,046 = 0,36 (балла)2 (2 = ( 2y / б2y = 0,046 / 0,36 = 0,13 (13%) ( = 0,36 построение аналитической регрессии. yx = a + bx xy = ((xy(I) / ((I xy = 8,22 б2x = 5,1 (ч/нед)2 b = (xy – x y) / б2x = (8,22 – 8,036) / 5,1 = 0,032 a = y – bx = 4,1 – 0,032 ( 1,96 = 4,03 Линейное уравнение регрессии зависимости среднего балла зачётки за 1 курс от самообразования: yx = 2,96 + 0,068х x = 0 y = 3,4 x = 7 y = 4,5 rxy = (xy – x y) / бxбy = (8,2 – 8,036) / 2,25 ( 0,6 = 0,12 Корреляционное поле Эмпирическая линия регрессии Аналитическая линия регрессии Вывод: (2 свидетельствует о том, что 13% общей вариации результативного признака вызвано влиянием признака фактора—самообразованием. Можно сказать, что это очень слабая корреляционная связь. Зная коэффициент b, предполагаем, что для данной совокупности студентов с увеличением самообразования на 1 ч/нед средний балл зачётки увеличивается на 0,032 балла. rxy говорит о том, что между признаком-результатом и признаком- фактором есть слабая прямая линейная связь. Министерство Высшего Образования РФ Санкт-Петербургский Государственный Инженерно-Экономический Университет Лабораторные работы По статистике Студентки 1 курса Группы 3292 Специальность коммерция Харькиной Анны. Преподаватель: Карпова Г. В. Оценка: СПб 2001 ----------------------- Х1 [pic] Х0 Х3