Корреляционный и регрессионный анализ.
Корреляционный анализ позволяет делать статистические выводы о степени зависимости между переменными.
Регрессионный анализ позволяет решать две задачи:
1) устанавливать наличие возможной причинной связи между переменными;
2) предсказывать значения переменной по значениям независимых переменных.
Примеры данных для корреляционного и регрессионного анализа (рис. 6.2-6.3).
Рисунок 6.2 – Исходные данные для анализа
Рисунок 6.3 – Ошибка работы регрессионной модели
Статистическая оценка устойчивости. При статистической оценке устойчивости модели соответствующая гипотеза может быть сформулирована следующим образом: при изменении входной (рабочей) нагрузки или структуры модели закон распределения результатов моделирования остается неизменным.
Проверку указанной гипотезы Н проводят при следующих исходных данных: есть две выборки , полученные для различных значений рабочей нагрузки; относительно законов распределения X и У никаких предположений не делается. Значения обеих выборок упорядочиваются вместе по возрастанию . Затем анализируется взаимное расположение и . В случае говорят, что пара значений образует инверсию .
Подсчитывают полное число инверсий U. Если гипотеза верна, то U не должно сильно отклоняться от своего математического ожидания : .
Гипотеза не подтверждается если
( определяют по таблице для заданного уровня значимости)
Дата добавления: 2016-06-24; просмотров: 765;