Что такое регрессионная модель?
DESCRIPTION
Открытый урок по информатике Тема: Моделирование. Основные этапы построения моделей. Построение регрессионных моделей с использованием Excel преподаватель: Бабаева Фидан Шахсаддиновна. Входные данные. объект. Выходные данные. Что такое регрессионная модель?. ? Неизвестен - PowerPoint PPT PresentationTRANSCRIPT
Открытый урок по информатикеОткрытый урок по информатике
Тема: Моделирование. Тема: Моделирование. Основные этапы построения Основные этапы построения
моделей. Построение моделей. Построение регрессионных моделей с регрессионных моделей с
использованием использованием ExcelExcel
преподаватель: преподаватель: Бабаева Фидан Бабаева Фидан ШахсаддиновнаШахсаддиновна
• Что такое регрессионная модель?
объектобъектВходныеВходные данныеданные
ВыходныеВыходные данныеданные
? ? Неизвестен Неизвестен
механизм работымеханизм работы
Основные этапы составления моделей:
1.1. Словесная постановка задачи Словесная постановка задачи моделированиямоделирования2. Формализованная постановка2. Формализованная постановка3. Компьютерное моделирование3. Компьютерное моделирование4. Анализ модели – проведение 4. Анализ модели – проведение компьютерного экспериментакомпьютерного эксперимента5. Корректировка модели5. Корректировка модели
Словесная постановка задачи:Словесная постановка задачи:
Словесная постановка задачиСловесная постановка задачи: построить регрессионную модельизменения площади проданного жилья по имеющимся экспериментальнымданным с целью прогнозирования его поведения.
Формализованная постановка Формализованная постановка задачизадачи
Дано:Дано:Х={0,1,2…13} – входная координата
Y(Х)={61.7 49.4 45.8 41.8 41.0 38.2 34.3 32.7 32 31.1 30.0 31.7 33.8 42.0} – выходная координатаДопущениеДопущение::
Yмодель(Х)=f(Х)=c+b*Х+a*Х2
Неизвестные параметры:Неизвестные параметры: a, b, c
Метод наименьших квадратовМетод наименьших квадратов• Автор: ГауссАвтор: Гаусс
• Суть: найти такую функцию (т.е. коэффициенты уравнения модели), Суть: найти такую функцию (т.е. коэффициенты уравнения модели), чтобы сумма квадратов отклонений экспериментальных точек от модели чтобы сумма квадратов отклонений экспериментальных точек от модели
оказалась минимальнойоказалась минимальной Линия 1
Вы
ход
ная
коо
рд
инат
а
Входная координата
Построение компьютерной Построение компьютерной модели модели
шаг 1: ввод исходных данныхшаг 1: ввод исходных данных
Построение компьютерной Построение компьютерной модели модели
шаг 2: нахождение уравнения регрессиишаг 2: нахождение уравнения регрессии
Выбор типа регрессионной моделиВыбор типа регрессионной модели и параметрови параметров
Анализ полученной моделиАнализ полученной моделиОбъем продажи жилья по г.Москва
42
61,7
49,445,8
41,8 4138,2
34,332,7 32 31,1 30
31,7
33,8
y = 0,3805x2 - 7,261x + 65,836
R2 = 0,9464
0
10
20
30
40
50
60
70
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
год
Об
щая
пл
ощ
ад
ь,
мл
н.
кв
. м
Коэффициенты модели
Значение
c 65,836
b -7,261
a 0,3805
Выбор альтернативной модели – и Выбор альтернативной модели – и построение новой кривой регрессиипостроение новой кривой регрессии
Y=ax4+bx3+cx2+dx+eНеизвестные параметры:a, b, c, d, ea = 0 .0099b = - 0.2883c = 3.1226d = - 16.679e = 74.491