Дисциплина. Математика. Предмет — Теория вероятностей и математическая статистика
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 3
1. ОСНОВНЫЕ ПОНЯТИЯ ЭКОНОМЕТРИКИ, ТЕОРИИ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ 5
1.1 ЭКОНОМЕТРИКА. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ 5
1.2 КЛАССИФИКАЦИЯ ЭКОНОМИЧЕСКИХ МОДЕЛЕЙ 7
2. МОДЕЛЬ МНОЖЕСТВЕННОЙ ЛИНЕЙНОЙ РЕГРЕССИИ 10
2.1. ПОСТРОЕНИЕ МОДЕЛИ МНОЖЕСТВЕННОЙ ЛИНЕЙНОЙ РЕГРЕССИИ С ИСПОЛЬЗОВАНИЕМ МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ (МНК) 10
2.2. СВОЙСТВА ОЦЕНОК, ПОЛУЧЕННЫХ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ 34
2.3. АНАЛИЗ ВАРИАЦИИ ЗАВИСИМОЙ ПЕРЕМЕННОЙ 39
КАЧЕСТВО ОЦЕНИВАНИЯ В МОДЕЛИ МНОЖЕСТВЕННОЙ 39
ЛИНЕЙНОЙ РЕГРЕССИИ 39
ЗАКЛЮЧЕНИЕ 43
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 45
Год сдачи: 2014
Предметом статистического исследования в общественных науках являются сложные системы. Измерение тесноты взаимоотношений между переменными, построение изолированных уравнений регрессии недостаточны для отображения таких систем и разъяснения механизма их функционирования. При применении некоторых уравнений регрессии, в частности, для экономических расчётов в основном полагается, что аргументы (факторы) возможно менять самостоятельно друг от друга. Всё-таки это предположение является очень грубым: фактически видоизменение одной переменной, обычно, не может быть при безусловном постоянстве других. Её видоизменение влечет за собой видоизменения во всей системе взаимосвязанных признаков.
Таким образом, отдельно взятое уравнение множественной регрессии не может охарактеризовать действительные влияния отдельных признаков на вариацию результирующей переменной. Собственно потому в экономических, биометрических социологических изучениях существенное место занимает вопрос изображения структуры связей между переменными системой так именуемых одновременных уравнений или структурных уравнений.
Эконометрические методы используются для построения больших эконометрических систем моделей, обрисовывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и иные блоки.
В последнее время методы эконометрики играют постановляющую роль в изучении и развитии автоматизации экономических расчетов различного уровня и направления.
При статистическом моделировании экономических ситуаций нужно построение систем уравнений, когда одни и те же переменные в различных регрессионных уравнениях могут в то же время выступать, с одной стороны, в роли результирующих, разъясняемых переменных, а с другой стороны — в роли разъясняющих переменных. Такие системы уравнений принято именовать системами одновременных уравнений. При этом в соотношения могут входить переменные, относящиеся не только к текущему периоду t, но и к предшествующим периодам. Такие переменные именуются лаговыми. Переменные за предшествующие годы как правило выступают в качестве объясняющих переменных.
В качестве иллюстрации приведем пример из экономики. Разберем модель спроса и предложения. Как известно, спрос D на некоторый продукт зависит от его цены. От данного параметра, но с противным по знаку коэффициентом, зависит и предложение данного продукта. Силы рыночного механизма создают цену так, что спрос и предложение сравниваются. Нам необходимо построить модель описанной ситуации. 
Для этого есть данные об уровне равновесных цен и спросе (который равен предложению).
Пускай сейчас существует несколько исследуемых переменных, для каждой из которых существует свое уравнение регрессии. Вместе эти уравнения организуют систему, которая является не взаимозависимой, если одни изучаемые переменные не выступают факторами-регрессорами для других изучаемых переменных. Если изучаемые переменные появляются не только в левых, но и правых частях уравнений, то такие системы именуются одновременными или взаимозависимыми.
Курсовая работа. Системы регрессионных уравнений и экономические модели № 15504
Цена 600 руб.
Выдержка из подобной работы:
….
Изучение свойств случайных величин планирование эксперимента и анализ данных
…..й выборки
используя данные второй выборки
. Двумерные случайные величины
.1 Выбор двух функций и построение корреляционного поля
.2 Изучение зависимости выбранного У от одного из факторов Х
.2.1 Вычисление условных средних У для фиксированных значений Х
.2.2 Вычисление условных дисперсий У для фиксированных значений Х
.3 Построение линии регрессии У по Х
. Дисперсионный анализ и планирование эксперимента
.1 Выбор факторов Х и функций отклика показателей качества У1
и У2 краткое описание эксперимента
.2 Составление плана эксперимента
.3 Составление матрицы эксперимента
.4 Дисперсионный анализ греко-латинского куба второго порядка
.5 Проверка условий применимости дисперсионного анализа критерий
Дункана для показателей качества Y1 и Y2
4. Регрессионный анализ
Заключение
Список литературы
математический ожидание дисперсия
регрессия
Введение
Целью курсовой работы является
изучение показателей качества как случайных величин и доказательство
факта влияния на них нескольких факторов действующих одновременно. По
имитационной модели процесса необходимо получить значения двух функций отклика
выбрав несколько факторов и задавая им градации. Модель является таблицей
EXL.
В ходе курсовой работы необходимо
выявить какие факторы и их градации достоверно влияют на выбранные показатели
качества.
Одномерные случайные
величины
.1 Формирование выборки
объемом 3 и формируем выборку объемом 15. Выборка представлена в таблице
1.
Таблица 1 — Выборка объемом
где
y
Для нашей выборки имеем:
Проверка наличия грубых
погрешностей
Под грубой погрешностью измерения
понимается погрешность существенно превышающая ожидаемую при данных условиях.
Она может быть сделана вследствие неправильного применения прибора неверной
записи показаний прибора ошибочно прочитанного отсчета и т.п.
Для выявления грубых погрешностей
можно воспользоваться следующими критериями:
критерий «трех сигм»
>20);
критерий Романовского <20); критерий Шарлье >20);
вариационный критерий Диксона
.
Для полученной выборки объема =15 находим табличный критерий . Если окажется
больше то этот результат следует отбросить.
По результатам расчета используя
данные таблицы 1 делаем вывод о том что грубых погрешностей нет.»