Работа зачтена.Хорошее выполнение.Очень порадовало выполнение.Рекомендую.
Подробнее о работе
Гарантия сервиса Автор24
Уникальность не ниже 50%
Введение
В настоящее время математический аппарат и математические методы применяются почти во всех областях науки.
В реальной жизни разнообразные данные составляют основу для понимания множества процессов. Для многих из этих процессов, которые происходят во всех сферах жизни, характерны определенные взаимодействия, или взаимное влияние и обусловленность. Представление статистической информации позволит ставить вопрос о присутствии и силе таких взаимодействий, и делает актуальной разработку методик статистического анализа, которые адекватно отображают исследуемые факторы.
При проведении научных исследований, исследуемый рассматривают как носителя некоторых неизвестных или подлежащих исследованию характеристик. Эти характеристики необходимо выяснить. Для этого на вход объекта подают входные воздействия Х и снимают с выхода объекта выходной сигнал У. По уровню выходного сигнала и входных воздействий делают выводы о характеристиках исследуемого объекта [7].
На практике, чаще всего реальный объект заменяют абстрактными моделями, обладающими сходными характеристиками. Исследование качеств объекта проводится на его модели и в дальнейшем переносится на сам этот объект. Для построения моделей чаще всего применяются методы математической статистики, позволяющие сделать описание объекта наиболее полным.
Таким образом, целью данной работы является изучения методов математической статистики, использующихся при построении различных моделей исследуемых объектов при проведении научного эксперимента.
Содержание
Введение 2
1. Основные задачи математической статистики 3
2. Парная линейная регрессионная модель с пространственной выборкой 4
3. Оценка модели и ее параметров 8
4. Построение модели парной линейной регрессии в MS Excel 12
5. Проблема мультиколлинеарности 14
6. Использование фиктивных переменных в моделях 16
Заключение 17
Список использованной литературы 18
Заключение
В ходе проделанной работы рассмотрены основные задачи математической статистики, при проведении научных исследований. Такими задачами являются определение неизвестных параметров модели объекта по его входным и выходным данным, а так же оценка качества и адекватности найденной модели.
Рассмотрены наиболее простые модели - модели парной линейно регрессии, которые описывают зависимости выходного параметра У от одной переменной Х. На практике, встречаются и другие типы зависимостей - модели множественной и нелинейной регрессии. Для оценки и построения регрессионных моделей чаще всего используют MS Excel, в котором присутствуют в упрощенном виде многие статистические функции, вычисление которых в реальном виде, очень трудоемко.
Рассматривается процесс построения уравнения зависимости между переменными, нахождение неизвестных коэффициентов уравнения с помощью метода наименьших квадратов, а так же оценка параметров модели - ее качества, точности и адекватности. Рассматриваются проблемы мультколлинеарности модели и способы ее устранения.
Моделирование поведения различных систем, с помощью методов математической статистики находит применение в различных отраслях науки и связано с исследованием неизвестных параметров систем, а так же с прогнозированием их поведения, на основе известных данных [1].
Данная область науки является перспективной и постоянно развивается, пополняясь новыми разработками.
Список использованной литературы
1. Льюнг Л. Идентификация систем: теория для пользователя. М.: Hаука. 1991. 431 с.
2. Фомин В.Н. Элементы регрессионного анализа. М.: Наука, 1984. C. 36–45.
3. Граничин О.Н. Оценивание параметров линейной регрессии при произвольных помехах // Автоматика и телемеханика. 2002. № 1. C. 30-41.
4. Афонин А.Ю. Макарычев П. П. Оперативный и интеллектуальный анализ данных – Пермь: ПГУ, 2010 – 142 с.
5. Билл Джелен, Майкл Александер. Сводные таблицы в Microsoft Excel 2010. – М.: Вильямс, 2011 – 464 с
6. Шумейко А.А. Интеллектуальный анализ данных (Введение в Data Mining)/ А.А. Шумейко, С.Л. Сотник. – Днепропетровск: Белая Е.А., 2012. – 212 с.
7. Тихомиров, Николай Петрович. Эконометрика : учебник для вузов / Н. П. Тихомиров, Е. Ю. Дорохина . — М. : ЭКЗАМЕН, 2007 – 510[2] с. : ил., табл. (в библиотеке 11 экз.) (Гриф)
8. Гмурман В.Е. Теория вероятностей и математическая статистика/ В.Е.Гмурман.М.:Высшая школа, 2000.-479с.
9. Теория вероятностей и математическая статистика/ Под редакцией В.А. Колемаева. М: Высшая школа, 1991.-400с.
10. Гайдышев И. Анализ и обработка данных: специальный справочник - СПб: Питер, 2001.-752с.
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
Введение
В настоящее время математический аппарат и математические методы применяются почти во всех областях науки.
В реальной жизни разнообразные данные составляют основу для понимания множества процессов. Для многих из этих процессов, которые происходят во всех сферах жизни, характерны определенные взаимодействия, или взаимное влияние и обусловленность. Представление статистической информации позволит ставить вопрос о присутствии и силе таких взаимодействий, и делает актуальной разработку методик статистического анализа, которые адекватно отображают исследуемые факторы.
При проведении научных исследований, исследуемый рассматривают как носителя некоторых неизвестных или подлежащих исследованию характеристик. Эти характеристики необходимо выяснить. Для этого на вход объекта подают входные воздействия Х и снимают с выхода объекта выходной сигнал У. По уровню выходного сигнала и входных воздействий делают выводы о характеристиках исследуемого объекта [7].
На практике, чаще всего реальный объект заменяют абстрактными моделями, обладающими сходными характеристиками. Исследование качеств объекта проводится на его модели и в дальнейшем переносится на сам этот объект. Для построения моделей чаще всего применяются методы математической статистики, позволяющие сделать описание объекта наиболее полным.
Таким образом, целью данной работы является изучения методов математической статистики, использующихся при построении различных моделей исследуемых объектов при проведении научного эксперимента.
Содержание
Введение 2
1. Основные задачи математической статистики 3
2. Парная линейная регрессионная модель с пространственной выборкой 4
3. Оценка модели и ее параметров 8
4. Построение модели парной линейной регрессии в MS Excel 12
5. Проблема мультиколлинеарности 14
6. Использование фиктивных переменных в моделях 16
Заключение 17
Список использованной литературы 18
Заключение
В ходе проделанной работы рассмотрены основные задачи математической статистики, при проведении научных исследований. Такими задачами являются определение неизвестных параметров модели объекта по его входным и выходным данным, а так же оценка качества и адекватности найденной модели.
Рассмотрены наиболее простые модели - модели парной линейно регрессии, которые описывают зависимости выходного параметра У от одной переменной Х. На практике, встречаются и другие типы зависимостей - модели множественной и нелинейной регрессии. Для оценки и построения регрессионных моделей чаще всего используют MS Excel, в котором присутствуют в упрощенном виде многие статистические функции, вычисление которых в реальном виде, очень трудоемко.
Рассматривается процесс построения уравнения зависимости между переменными, нахождение неизвестных коэффициентов уравнения с помощью метода наименьших квадратов, а так же оценка параметров модели - ее качества, точности и адекватности. Рассматриваются проблемы мультколлинеарности модели и способы ее устранения.
Моделирование поведения различных систем, с помощью методов математической статистики находит применение в различных отраслях науки и связано с исследованием неизвестных параметров систем, а так же с прогнозированием их поведения, на основе известных данных [1].
Данная область науки является перспективной и постоянно развивается, пополняясь новыми разработками.
Список использованной литературы
1. Льюнг Л. Идентификация систем: теория для пользователя. М.: Hаука. 1991. 431 с.
2. Фомин В.Н. Элементы регрессионного анализа. М.: Наука, 1984. C. 36–45.
3. Граничин О.Н. Оценивание параметров линейной регрессии при произвольных помехах // Автоматика и телемеханика. 2002. № 1. C. 30-41.
4. Афонин А.Ю. Макарычев П. П. Оперативный и интеллектуальный анализ данных – Пермь: ПГУ, 2010 – 142 с.
5. Билл Джелен, Майкл Александер. Сводные таблицы в Microsoft Excel 2010. – М.: Вильямс, 2011 – 464 с
6. Шумейко А.А. Интеллектуальный анализ данных (Введение в Data Mining)/ А.А. Шумейко, С.Л. Сотник. – Днепропетровск: Белая Е.А., 2012. – 212 с.
7. Тихомиров, Николай Петрович. Эконометрика : учебник для вузов / Н. П. Тихомиров, Е. Ю. Дорохина . — М. : ЭКЗАМЕН, 2007 – 510[2] с. : ил., табл. (в библиотеке 11 экз.) (Гриф)
8. Гмурман В.Е. Теория вероятностей и математическая статистика/ В.Е.Гмурман.М.:Высшая школа, 2000.-479с.
9. Теория вероятностей и математическая статистика/ Под редакцией В.А. Колемаева. М: Высшая школа, 1991.-400с.
10. Гайдышев И. Анализ и обработка данных: специальный справочник - СПб: Питер, 2001.-752с.
Купить эту работу vs Заказать новую | ||
---|---|---|
0 раз | Куплено | Выполняется индивидуально |
Не менее 40%
Исполнитель, загружая работу в «Банк готовых работ» подтверждает, что
уровень оригинальности
работы составляет не менее 40%
|
Уникальность | Выполняется индивидуально |
Сразу в личном кабинете | Доступность | Срок 1—4 дня |
224 ₽ | Цена | от 200 ₽ |
Не подошла эта работа?
В нашей базе 85958 Рефератов — поможем найти подходящую