Cách bấm máy tính phương trình hồi quy tuyến tính

các phần tửbất thườngvà các quan tiếp giáp có ảnh hưởngDò kiếm tìm các bộ phận bất thường- 1 phần tử bất thườnglà một quan liêu sát dị thường khi được so sánh với dữ liệu khác.- Minitab xếp một quan tiếp giáp vào loại bộ phận bất thường nếu cực hiếm phần dư chuẩn hoá của nó +2.- nguyên tắc phần dư chuẩn hoá này đôi lúc không nhận thấy một quan gần kề lớn kì cục là 1 phần tử bất thường.- khuyết thiếu của luật lệ này hoàn toàn có thể vượt qua bằng cách dùng những phần dư xoá quăng quật student hoá.- |Phần dư xoá bỏ student hoá thứ i| sẽ lớn hơn |phần dư chuẩn chỉnh hoá lắp thêm i|.

Bạn đã xem: phương pháp bấm máy vi tính phương trình hồi quy tuyến tính

Bạn đang xem: Cách bấm máy tính phương trình hồi quy tuyến tính

Xem thêm: Giá Máy Lọc Nước Kangaroo 7 Lõi Lọc Kg104A (Không Tủ), Máy Lọc Nước Ro Kangaroo Kg88Avtu 7 Lõi

nhiều người đang xem văn bản tài liệu Bài giảng Hồi quy đường tính đối kháng giản, để download tài liệu về máy bạn click vào nút download ở trên1GV: Th.S trần Kim NgọcĐại học công nghệ Sài GònChương 4Hồi quy con đường tính đối kháng giảnQ quy mô hồi quy đường tính đối kháng giảnQ cách thức bình phương bé xíu nhất Q thông số xác địnhQ những giả định của mô hìnhQ chu chỉnh ý nghĩaQ luật pháp hồi quy của ExcelQ dùng phương trình hồi quy ước lượng để mong lượngvà dự đoánQ so với phần dư: chứng thực tính vừa lòng lệ của cácgiả định của tế bào hìnhQ Các thành phần bất hay và các quan gần kề có ảnh hưởng2GV: Th.S è Kim NgọcĐại học công nghệ Sài GònPhân tích hồi quyQ so sánh hồi quy phân tích mối tương tác phụthuộc của một trở thành (gọi là biến nhờ vào hay biến được giải thích) vào một trong những hay nhiều biến đổi khác (được hotline là (các) biến độc lập hay giải thích) với ý tưởng là cầu lượng hoặc dự báo biến nhờ vào trên đại lý giá trị đã cho của (các) đổi thay độc lập.Q Biến phụ thuộc là đổi thay ngẫu nhiên, bao gồm quy luật cung cấp xác suấtQ (Các) biến độc lập không buộc phải là thay đổi ngẫu nhiên, giá trị của chúng đã được cho trước.3GV: Th.S trằn Kim NgọcĐại học công nghệ Sài GònMối contact tuyến tínhLượng cầuvề giết thịt bò, y∈(1)Giá thịt bò (x1)(2)Giá của sản phẩm thay cầm (x2)(3)Thu nhập của bạn (x3)(4)Tập quán, thị hiệu, sở thích của người sử dụng (x4)(5)Quy mô thị trường (x5)Biểu diễn dưới dạng toán học,y = f(x1, x2, x3, x4, x5) + ε4GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònMối tương tác tuyến tính (tiếp theo)Nếu y nhờ vào vào những x theo dạng tuyến tính (dạng mặt đường thẳng)Nếu y dựa vào vào những x theo mô hình phi tuyến tính (dạng mặt đường cong)0 1 1 2 2 3 3 4 4 5 5y x x x x xβ β β β β β ε= + + + + + +0 1 1 2 2 3 3 4 4 5 5y x x x x xβ β β β β β ε≠ + + + + + +5GV: Th.S trằn Kim NgọcĐại học công nghệ Sài GònMô hình hồi quy con đường tính solo giảnQ quy mô hồi quy tuyến tính 1-1 giảny = β0 + β1x + εQ Phương trình hồi quy tuyến đường tính đơn giảnE(y) = β0 + β1xQ Phương trình hồi quy đường tính đơn giản ước lượngy = b0 + b1x^6GV: Th.S è Kim NgọcĐại học technology Sài Gòn1Mô tả phương trình hồi quytuyến tính đối chọi giảnPhương trình hồi quy tuyến tính dễ dàng và đơn giản chỉ mối contact tuyến tính đúng chuẩn giữa quý giá kỳvọng hay giá trị trung bình của y, thay đổi phụ thuộc, và x, biến tự do hay biến chuyển dự báo:E=β0 + β1 xiCác giá trị quan sát thực tế của y khác với giá trị kỳ vọng bởi một không nên số không phân tích và lý giải được giỏi sai số ngẫu nhiên:Yi = E + εi= β0 + β1 xi + εiXYE=β0 + β1 xXi} β1 = thông số gócβ0 = Tung độ gốcYi {Sai số:εiĐồ thị hồi quy7GV: Th.S è cổ Kim NgọcĐại học technology Sài GònQuy trình mong lượng vào hồi quy con đường tính 1-1 giảnMô hình hồi quyy = β0 + β1x +εPhương trình hồi quyE(y) = β0 + β1xCác tham số ko biếtβ0, β1Dữ liệu mẫu:x yx1 y1. .. .xn ynb0 cùng b1đưa ra các ước lượng choβ0 cùng β1Phương trình hồi quyước lượngCác số những thống kê mẫub0, b10 1yˆ b b x= +8GV: Th.S trằn Kim NgọcĐại học technology Sài GònTìm một con đường thẳng “thích hợp” nhấtXYDữ liệuXYBa không nên số so với cái giá trị tính theo mặt đường thẳng ưa thích hợpXYBa không đúng số so với cái giá trị tính theo con đường thẳng bình phương bé nhỏ nhấtXCác không đúng số so với cái giá trị tính theo con đường thẳng bình phương bé nhất được cực tiểu hoá9GV: Th.S trằn Kim NgọcĐại học technology Sài GònCác sai số vào hồi quy.{ˆi i ie y y= −yxiyˆiyxiˆ :iySai sốĐiểm dữ liệu quan sátGiá trị dự đoán của y ứng với xiĐường hồi quy tương thích nhất0 1ˆ xy b b= +10GV: Th.S trằn Kim NgọcĐại học công nghệ Sài GònPhương pháp bình phương bé nhấtQ Tiêu chuẩn chỉnh bình phương bé nhấttrong đó:yi = quý giá quan giáp của biến dựa vào cho quan ngay cạnh thứ iyi = giá chỉ trị ước lượng của biến phụ thuộc vào cho quan cạnh bên thứ i^n n2 2i ii=1 i=1ˆmin SSE = e (y )iy= −∑ ∑11GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònPhương pháp bình phương bé nhỏ nhấtb0SSEb1b0b1Ở điểm này SSE rất tiểu so với b0 và b10 11 120 11 1 1n ni ii in n ni i i ii i iy nb b xx y b x b x= == = == += +∑ ∑∑ ∑ ∑12GV: Th.S trằn Kim NgọcĐại học technology Sài GònQ hệ số góc của phương trình hồi quy cầu lượngQ hệ số chặn của phương trình hồi quy cầu lượngb0 = y - b1x tốt b0 = (Σyi / n) - b1(Σxi / n)trong đó:xi = trị số của biến tự do với quan giáp thứ iyi = trị số của biến nhờ vào với quan sát thứ ix = quý hiếm trung bình của biến hòa bình y = quý giá trung bình của biến đổi phụ thuộcn = tổng số quan sát__1 2 2( )( )i i i ii in x y x ybn x x−= −∑ ∑ ∑∑ ∑__Phương pháp bình phương bé xíu nhất∑ − −= ∑ −1 2( )( )( )i iix x y ybx xhay13GV: Th.S trằn Kim NgọcĐại học technology Sài Gònx i y i x i2 y i2 x iy ix 1 y 1 x 12 y 12 x 1y 1x 2 y 2 x 22 y 22 x 2y 2: : : : :x n y n x n2 y n2 x ny nΣx i Σy i Σx i2 Σy i2 Σx iy iBảng tính toán14GV: Th.S è cổ Kim NgọcĐại học công nghệ Sài GònVí dụ: Đợt cung cấp xôn của Reed AutoQ Hồi quy đường tính solo giảnReed tự động hóa định kỳ bao gồm một đợt chào bán xôn quan trọng kéo dài suốt một tuần. Nhưlà 1 phần của chiến dịch quảng bá Reed tiến hành một hoặc một trong những quảng cáo trên TV trong thời gian vào ngày cuối tuần trước đợt cung cấp xôn. Dữ liệu từ 1 mẫu tất cả 5 đợt chào bán xôn trước đây được cho dưới đây.15GV: Th.S trần Kim NgọcĐại học technology Sài GònVí dụ: Đợt buôn bán xôn của Reed AutoSố lần quảng cáo số lượng xe ô tôtrên TV bán được một 143 242 181 173 2716GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònQ thông số góc (hay độ dốc) của phương trình hồi quy ước lượngQ hệ số chặn (hay tung độ gốc) của phương trình hồi quy cầu lượngb0 = 100/5 - 5(10/5) = 10Q Phương trình hồi quy ước lượngy = 10 + 5x^Ví dụ: Đợt phân phối xôn của Reed Auto−= =−1 25(220) (10)(100) 55(24) (10)b17GV: Th.S trằn Kim NgọcĐại học công nghệ Sài GònDùng CASIO fx-500MSMODE 3 (Reg) 1 (Lin) SHIFT MODE 1 (Scl) = (Nhập dữ liệu)1 14 M+ 3 24 M+ 2 18 M+ 1 17 M+ 3 27 M+ ACSHIFT 2   1 = SHIFT 2   2 = SHIFT 2   3 = 18GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònDùng CASIO fx-570MSMODE MODE 2 (Reg) 1 (Lin)SHIFT MODE 1 (Scl) = (Nhập dữ liệu:)1 14 M+ 3 24 M+ 2 18 M+ 1 17 M+ 3 27 M+ ACSHIFT 2   1 = SHIFT 2   2 = SHIFT 2   3 = 19GV: Th.S trằn Kim NgọcĐại học technology Sài GònDùng CASIO fx-500ESSHIFT 9 3 = AC SHIFT MODE ∇ 4 Frequency?1: ON 2: OFFMODE 2 (STAT) 2: A+BX (Nhập dữ liệu)20GV: Th.S trần Kim NgọcĐại học technology Sài GònDùng CASIO fx-500ES(Nhập dữ liệu)1 = 3 = 2 = 1 = 3 =  14 = 24 = 18 = 17 = 27 = ONSHIFT 1 7 1:A ; 2:B ; 3: r ; 4: x mũ ; 5: y mũSHIFT MODE 6 Fix 0~9? (định số số lẻ)Với CASIO fx-570ES:MODE 3 (STAT) 2: A+BX 21GV: Th.S trần Kim NgọcĐại học công nghệ Sài GònHệ số xác định, r2, là một tiêu chuẩn chỉnh mô tả để review cường độ của mối contact hồi quy, một tiêu chuẩn đánh giá con đường hồi quy tương xứng với dữ liệu tốt tới mức độ nào..{YXY Y Y X {Tổng độ lệchĐộ lệchđược giải thíchĐộ lệchkhông được giải thíchSSTSSESSTSSRrSSR+ SSE = SST )yy()y(y)y(y −==∑ −+∑ −=∑ −−+−=−1ˆˆ2222ˆˆquy) (Hồi dư) (Phần mê thích giải được ưa thích giải được lệch độlệch ộ Đ khônglệch Độ= Tổng )yy( )y(y )y(yTỷ lệ xác suất của toàn bộ biến thiên được giải thích bởi hồi quy.Hồi quy xuất sắc tới cường độ nào?22GV: Th.S è cổ Kim NgọcĐại học công nghệ Sài GònHồi quy tốt tới cường độ nào?Q SST = tổng những độ lệch bình phương toàn bộQ SSR = tổng những độ lệch bình phương bởi hồi quyQ SSE = tổng các độ lệch bình phương vì phần dư( ) ( )22 2= − = − ∑∑ ∑i ySST y y y n( )2 1ˆi x ySSR y y b xy nΣ Σ⎛ ⎞= − = Σ −⎜ ⎟⎝ ⎠∑( )2 2 1 0ˆi iSSE y y y b xy b y= − = Σ − Σ − Σ∑23GV: Th.S trằn Kim NgọcĐại học technology Sài GònQ thông số xác địnhr2 = SSR/SST = 100/114 = 0,8772Mối tương tác hồi quy là rất bạo phổi vì 88% phần phát triển thành thiên trong số xe ô tô đã xuất kho có thể được lý giải bởi mối contact tuyến tính giữa chu kỳ quảng cáo trên TV với số xe ô tô bán được.Ví dụ: Đợt buôn bán xôn của Reed Auto24GV: Th.S trần Kim NgọcĐại học technology Sài GònHệ số tương quanQ Hệ số đối sánh mẫutrong đó:b1 = hệ số góc phương trình hồi quy cầu lượngb= 21(dấu của ) r rá ûb= 1(dấu của ) hệ số xác địnhr á û ä á ùxbby 10ˆ +=25GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònCác giá trị khác nhau của thông số tương quan26GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònVí dụ: Đợt buôn bán xôn của Reed AutoQ Hệ số đối sánh tương quan mẫuDấu của b1 trong phương trình là “+”.r = +0,9366 b= 21(dấu của ) r rá ûˆ 10 5y x= += + 0,8772r27GV: Th.S è Kim NgọcĐại học technology Sài GònKiểm định ρQ chúng ta cũng có thể kiểm định để xem liệu sự tương quan là có chân thành và ý nghĩa không sử dụng những giả thuyếtH0: ρ = 0 H0: ρ = 0 H0: ρ = 0 Ha: ρ > 0 Ha: ρ tα/2; n-2 chu chỉnh ý nghĩa: kiểm tra tibisbt 0−=34GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònQ kiểm nghiệm ty các giả thuyết: H0: β1 = 0Ha: β1 ≠ 0y thống kê lại kiểm địnht = 5/1,08 = 4,63y Quy tắc bác bỏ bỏVới α = 0,05 cùng df = 3, t0,025;3 = 3,182Bác bỏ H0 ví như t > 3,182y Kết luậnBác quăng quật H0Ví dụ: Đợt chào bán xôn của Reed Auto35GV: Th.S è cổ Kim NgọcĐại học công nghệ Sài GònKhoảng tin cậy cho βiαα αβ−− −±− ≤ ≤ +2; 22; 2 2; 2ii ii n bi n b i i n bb t shayb t s b t s36GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònKhoảng tin cẩn cho β1Q Ta hoàn toàn có thể dùng khoảng tin yêu 95% của β1 đểkiểm định những giả thuyết vừa thực hiện trong kiểm định t.Q H0 bị bác bỏ bỏ nếu quý giá giả thuyết của β1 không bao gồm trong khoảng tin yêu của β1.37GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònVí dụ: Đợt buôn bán xôn của Reed AutoQ Quy tắc chưng bỏBác bỏ H0 ví như 0 không thuộc khoảng tin tưởng cho β1.Q Khoảng tin tưởng 95% mang lại β1= 5 +/- 3,182(1,08) = 5 +/- 3,44hay từ 1,56 đến 8,44Q Kết luậnBác bỏ H0 11 2; 2n bb t sα −±38GV: Th.S è cổ Kim NgọcĐại học công nghệ Sài GònKiểm định ý nghĩa: kiểm nghiệm FQ các giả thuyếtH0: β1 = 0Ha: β1 ≠ 0Q những thống kê kiểm địnhF = MSR/MSEQ Quy tắc bác bỏ bỏBác bỏ H0 trường hợp F > Fα;1;n-2trong kia Fα;1;n-2 phụ thuộc vào phân phối F với 1 bậc tựdo trên tử số với n - 2 bậc tự do thoải mái dưới mẫu mã số.39GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònQ kiểm nghiệm Fy những giả thuyết H0: β1 = 0Ha: β1 = 0y thống kê lại kiểm địnhF = MSR/MSE = 100/4,667 = 21,43y Quy tắc chưng bỏVới α = 0,05 cùng df = 1; 3: F0,05; 1; 3 = 10,13Bác bỏ H0 ví như F > 10,13.y Kết luận:Bác vứt H0. Có đủ chứng cứ bởi thống kê để kết luận rằng gồm một mối tương tác có chân thành và ý nghĩa giữa mốc giới hạn quảng cáo bên trên TV và số lượng xe xe hơi bán được.Ví dụ: Đợt phân phối xôn của Reed Auto40GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònMột vài chú ý về việcdiễn giải tác dụng của các kiểm định ý nghĩaQ Việc chưng bỏ H0: β1 = 0 và kết luận rằng mối liên hệ giữa x và y là có ý nghĩa sâu sắc không có thể chấp nhận được ta kết luận là có mối contact nhân quả thân x với y.Q Chỉ vì chưng ta rất có thể bác vứt H0: β1 = 0 và minh chứng làcó chân thành và ý nghĩa thống kê không được cho phép ta tóm lại có mối liên hệ tuyến tính thân x và y.41GV: Th.S trần Kim NgọcĐại học technology Sài GònQ Ước lượng khoảng tin cẩn của E(yp)Q Ước lượng khoảng chừng dự báo của yptrong đó: hệ số tin tưởng là 1 - α vàtα/2; n-2 dựa vào phân phối t với n - 2 dfDùng phương trình hồi quy mong lượngđể cầu lượng và dự báoˆ2; 2ˆ α −± pp n yy t s2; 2ˆ p. N indy t sα −±42GV: Th.S è Kim NgọcĐại học công nghệ Sài GònKhoảng dự báo đến giá trị vừa đủ của y,với xp đã choƯớc lượng khoảng tầm dự báo chogiá trị mức độ vừa phải của y với cùng một giá riêng lẻ xpKích thước của khoảng chừng này giao động theo khoảng cách tính từ trung bình, x2/ 2, 2 2( )1ˆ( )pp n ex xy t sn x xα −−± + −∑43GV: Th.S trần Kim NgọcĐại học công nghệ Sài GònKhoảng tin tưởng cho một giá trị hiếm hoi của y,với xp đã choƯớc lượng khoảng tin yêu cho một giá chỉ trị riêng lẻ của y với cùng 1 giá riêng lẻ xpSố hạng thêm vào đó này làm tăng thêm bềrộng khoảng nhằm mục đích phản ánh sự không vững chắc chắc gia tăng so với một trường phù hợp riêng lẻ.2/ 2, 2 2( )1ˆ 1( )pp n ex xy t sn x xα −−± + + −∑44GV: Th.S è cổ Kim NgọcĐại học technology Sài GònCác ước lượng khoảng với các giá trị khác biệt của xyxKhoảng dự báo cho 1 giá trị lẻ tẻ của y, cùng với xp đã choxpy = b 0 + b 1x∧xKhoảng tin tưởng cho quý giá trung bình của y, với xpđã cho45GV: Th.S trần Kim NgọcĐại học công nghệ Sài GònQ Ước lượng điểmNếu tất cả 3 lần quảng cáo trên TV được tổ chức triển khai trước một đợt cung cấp xôn (xp = 3), ta hi vọng số lượng xe cộ ô tô bán được trung bình đang là:yp = 10 + 5(3) = 25 xeQ Khoảng tin cẩn cho E(yp)Ước lượng khoảng với độ tin tưởng 95% cho con số xe ô tô bán tốt trung bình khi tất cả 3 lần truyền bá trên TV được tổ chức triển khai là:25 + 4,61 = 20,39 tới 29,61 xeQ Dự báo khoảng chừng cho ypƯớc lượng khoảng tầm với độ tin cậy 95% cho con số xe ô tô bán được trong một tuầøn đặc biệt quan trọng khi gồm 3 lần quảng cáo trên TV được tổ chức triển khai là:25 + 8,28 = từ 16,72 cho 33,28 xe^Ví dụ: Đợt buôn bán xôn của Reed Auto46GV: Th.S trằn Kim NgọcĐại học công nghệ Sài GònMặc dù sự xấp xỉtuyến tính được đưa ra bởi là xuất sắc trong vùng giá trị x quan tiếp giáp được vào mẫu, nó trởnên xấu với những giá trị x nằm ngoại trừ vùng đó. XyGiá trị xnhỏ nhấtGiá trị xlớn nhấtMối quan liêu hệthực sựVùng giá trị xquan sát đượcVí dụ về một sự xê dịch tuyến tính của một mối tương tác phi tuyến47GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònDiễn giải những hệ sốQ thông số góc giỏi độ dốc (b1)y Xét các giá trị của x nằm trong vùng quan sát, khi x tăng hay bớt 1 đơn vị thì y tăng hay bớt (nếu b1 +) hay giảm hay tăng (nếu b1 -) khoảng tầm b1 1-1 vị.Q Tung độ nơi bắt đầu hay thông số chặn trục tung (b0) đến ta biết quý hiếm trung bình của y khi x = 0.y trên thực tế, x hoàn toàn có thể nhận giá trị 0 không? vì chưng 0 gồm phải là 1 trong những giá trị quan ngay cạnh của x không?y Khi điều kiện trên không xảy ra thì sự diễn giải ýnghĩa của b0 không hợp lí lắm. 48GV: Th.S è cổ Kim NgọcĐại học technology Sài GònPhân tích phần dưQ Mục đíchy bình chọn giả định con đường tínhy soát sổ phương không đúng không biến hóa với hầu như mức độ của x y Đánh giá đưa định phân phối chuẩn chỉnh của phần dưy soát sổ tính chủ quyền của phần dưQ Phân tích những phần dư bằng đồ thịy rất có thể vẽ trang bị thị các phần dư theo x hoặc theo yy có thể tạo các biểu đồ (histogram) phần dư đểkiểm tra tính chuẩn^49GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònQ Nếu giả định về số hạng không nên số ε có vẻ như đáng ngờ, các kiểm định đưa thuyết về chân thành và ý nghĩa của mối tương tác hồi quy và hiệu quả ước lượng khoảng tầm có thểkhông có căn cứ vững chắc.Q các phần dư đưa tin tốt tuyệt nhất về ε.Q phần lớn phân tích phần dư dựa vào việc xem xét những biểu trang bị (graphical plots).Phân tích phần dư50GV: Th.S è Kim NgọcĐại học công nghệ Sài GònPhân tích phần dư đến tính đường tính (Linearity)Phi con đường tính tuyến đường tính9xPhaàndưxyxyxPhaàndư51GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònKiểm tra mang định phương sai không đổiQ Nếu đưa định phương không đúng của ε bởi nhau với mọi giá trị của x là đúng, và quy mô hồi quy được mang định là một trong những sự bộc lộ hay màn trình diễn thích xứng đáng mối contact giữa các biến, thìBiểu đồ vật phần dư sẽ đem về một ấn tượngchung về một dải những điểm ở ngang52GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònPhân tích phần dư cho phương không nên không đổiPhương sai thay đổi 9 Phương sai không đổix xyx xyPhaàndưPhaàndư53GV: Th.S è cổ Kim NgọcĐại học công nghệ Sài GònKiểm tra giả định phương không nên không đổiQ Nếu với rất nhiều biến phân tích và lý giải ta rất có thể vẽ phần dưtheo từng biến lý giải mà ta nghi ngại gây ra hiện tượng kỳ lạ phương sai biến hóa hoặc tốt hơn là vẽ phần dư theo y là giá trị ước lượng được từ tế bào hình.Q Trêân thực tế không tồn tại một cách thức chắc dĩ nhiên nào để phát hiện ra hiện tượng phương sai thay đổi mà chỉ có thể dùng vài pháp luật để chẩn đoán thôi. Để hiểu biết thêm chi tiết, rất có thể đọc Vũ Thiếu, Nguyễn quang Dong cùng Nguyễn xung khắc Minh, kinh tế tài chính lượng, Nxb. Kỹ thuật và Kỹ thuật, Hà Nội, 2001.^54GV: Th.S trần Kim NgọcĐại học technology Sài GònKiểm tra đưa định phân phối chuẩn của phần dưQ có hai biện pháp làm:y thực hiện biểu vật dụng phần dư chuẩn hoá theo xy thực hiện đồ thị xác suất chuẩn chỉnh (Normal probability plot)55GV: Th.S trằn Kim NgọcĐại học technology Sài GònQ Phần dư chuẩn hoá cho quan sát itrong đó:Các phần dư chuẩn chỉnh hoለi ii iy yy ys −−ˆ 1i i iy ys s h− = −22( )1( )iiix xhn x x−= + −∑56GV: Th.S trằn Kim NgọcĐại học technology Sài GònBiểu đồ phần dư chuẩn chỉnh hoáQ Biểu đồ dùng phần dư chuẩn hoá hoàn toàn có thể giúp ta nắm rõ giả định số hạng không đúng số ε tất cả phân phối chuẩn.Q Nếu trả định này được thoả mãn thì phân phối của các phần dư chuẩn hoá sẽ sở hữu vẻ xuất phát từ hay lấy xuất phát từ một phân phối xác suất chuẩn chỉnh tắc (vì s được sử dụng thay mang lại σ, phân phối phần trăm của những phần dư chuẩn hoá về mặt kỹ thuật là ko chuẩn. Tuy nhiên, trong phần lớn các phân tích hồi quy, cỡ mẫu mã thường đủ phệ để một sự xấp xỉ chuẩn là hết sức tốt). Vị vậy, khi chứng kiến tận mắt xét biểu đồ vật phần dư chuẩn chỉnh hoá, bọn họ kỳ vọng nhìn thấy khoảng chừng 95% các phần dư chuẩn hoá nằm trong vòng từ -2 mang lại +2.57GV: Th.S è Kim NgọcĐại học technology Sài GònBiểu vật phần dư chuẩn chỉnh hoáQ toàn bộ các phần dư chuẩn chỉnh hoá khoảng từ –1,5 mang đến +1,5 cho thấy không có tại sao để nghi ngại giảđịnh là ε bao gồm phân phối chuẩn.58GV: Th.S trần Kim NgọcĐại học công nghệ Sài GònPhân tích phần dư mang đến tính độc lậpQ những thống kê Durbin-Watsony sử dụng khi tài liệu được thu thập theo thời gian nhằm mục tiêu phát hiện gồm tự đối sánh tương quan (các phần dư ở 1 thời đoạn có tương quan với các phần dư ở một thời đoạn khác)y Đo lường sự vi phạm giả định độc lập21221( )ni iiniie eDe−==−=∑∑Nên gần bằng 2. Trường hợp không, hãy xem xét quy mô để kiếm tìm tự tương quan.59GV: Th.S trần Kim NgọcĐại học technology Sài GònCó được những giá trị tới hạn củathống kê Durbin-WatsonBảng 4.6 Tìm các giá trị tới hạn của thống kê lại Durbin-Watson1,540,981,371,10161,540,951,361,0815dUdLdUdLnp = 2p = 1α = 0,0560GV: Th.S trần Kim NgọcĐại học technology Sài GònSử dụng thống kê Durbin-WatsonChấp nhấn H0 (không bao gồm tự tương quan): không có tự đối sánh tương quan (các số hạng không đúng số hòa bình với nhau): tất cả tự tương quan (các số hạng sai số không tự do với nhau)0H1H0 42dL 4-dLdU 4-dUBác bỏ H0(tự tương quan dương)Không quyết định Bác bỏ H0(tự đối sánh âm)61GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònPhân tích phần dư đến tính độc lậpKhông tự do Độc lập9e eThờigianThờigianPhần dư được vẽ thứ thị theo thời gian để phát hiện tự tương quanKhông có mẫu hìnhriêng biệt nàoMẫu hình chu kỳPhương pháp đồ gia dụng thị62GV: Th.S trằn Kim NgọcĐại học technology Sài GònBốn tập dữ liệu khác biệt có kết quả hồi quynhư nhau86,8955,7354,7455,6887,9176,4277,2674,8285,56128,15129,131210,841912,5045,3943,1044,2685,2566,0866,1367,2487,04148,84148,10149,9688,47117,81119,26118,3388,8497,1198,7798,8187,711312,74138,74137,5885,7686,7788,1486,9586,58107,46109,14108,04xyxyxyxyTập DTập CTập BTập A63GV: Th.S nai lưng Kim NgọcĐại học technology Sài GònCác biểu đồ phân tán của tư tập tài liệu xy có những đặc tính thống kê khôn cùng giống nhau mà lại trông hoàn toàn khác nhau y = 3 + 0 ,5 x024681 01 trăng tròn 2 4 6 8 1 0 1 2 1 4y = 3 + 0 ,5 X024681 01 đôi mươi 2 4 6 8 1 0 1 2 1 4y = 3 + 0 ,5 X024681 01 21 40 2 4 6 8 1 0 1 2 1 4y = 3 + 0 , 5 x024681 01 21 40 2 4 6 8 1 0 1 2 1 4 1 6 1 864GV: Th.S nai lưng Kim NgọcĐại học công nghệ Sài GònCác phần tử bất thường và các quan sátcó hình ảnh hưởngQ Dò tìm kiếm các bộ phận bất thườngy 1 phần tử bất thường là 1 trong những quan sát khác lại khi được đối chiếu với dữ liệu khác.y Minitab xếp một quan tiếp giáp vào loại bộ phận bất thường nếu quý giá phần dư chuẩn chỉnh hoá của nó +2.y phép tắc phần dư chuẩn chỉnh hoá này nhiều lúc không nhận biết một quan gần cạnh lớn dị thường là 1 phần tử bất thường.y khuyết thiếu của phép tắc này hoàn toàn có thể vượt qua bằng phương pháp dùng những phần dư xoá quăng quật student hoá.y |Phần dư xoá vứt student hoá sản phẩm i| sẽ lớn hơn |phần dư chuẩn chỉnh hoá lắp thêm i|.