Уроки 44 - 47
Модели статистического прогнозирования (§18)
Практическая работа № 3.2. "Прогнозирование"

Содержание урока

Модели статистического прогнозирования (§18)

О статистике и статистических данных

Метод наименьших квадратов

Прогнозирование по регрессионной модели

Вопросы и задания

Практическая работа № 3.2 Прогнозирование

Модели статистического прогнозирования (§18)

Вопросы и задания

1.

а) Что такое статистика?
б) Являются ли результаты статистических расчетов точными?
в) Что такое регрессионная модель?

2. Какие из следующих величин можно назвать статистическими: температура вашего тела в данный момент; средняя температура в вашем регионе за последний месяц; максимальная скорость, развиваемая данной моделью автомобиля; среднее число осадков, выпадающих в вашем регионе в течение года?

3.

а) Для чего используется метод наименьших квадратов?
б) Что такое тренд?
в) Как располагается линия тренда, построенная по МНК, относительно экспериментальных точек?
г) Может ли тренд, построенный по МНК, пройти выше всех экспериментальных точек?

4.

а) В чем смысл параметра R²? Какие значения он принимает?
б) Какое значение примет параметр R², если тренд точно проходит через экспериментальные точки?

5. По данным из следующей таблицы постройте с помощью Excel линейную, квадратичную, экспоненциальную и логарифмическую регрессионные модели. Определите параметры, выберите лучшую модель.

6.

а) Что подразумевается под восстановлением значения по регрессионной модели ?
б) Что такое экстраполяция?

7. Соберите данные о средней дневной температуре в вахпем городе за последнюю неделю (10 дней, 20 дней). Оцените (хотя бы на глаз), годится ли использование линейного тренда для описания характера изменения температуры со временем. Попробуйте путем графической экстраполяции предсказать температуру через 2-5 дней.

8. Придумайте свои примеры практических задач, для которых имело бы смысл выполнение восстановления значений и экстраполяционных

Следующая страница Практическая работа № 3.2 Прогнозирование