Презентация "Статистические регрессионные модели. Прогнозирование с помощью этих моделей"


Подписи к слайдам:
Слайд 1

  • Статистические регрессионные модели. Прогнозирование с помощью этих моделей
  • Подготовил: Филиппов Юрий Леонидович

  • Модель – это некоторое упрощенное подобие реального объекта
  • Виды моделей
  • материальные
  • информационные
  • идеальные

  • Математические формулы
  • Уравнения химических реакций
  • Манекен
  • Компьютерная программа
  • Программа телевидения
  • Авиамодель
  • Оглавление книги
  • Игрушечные часы
  • Эталон килограмма
  • Блок-схема алгоритма

  • Информационная модель – это целенаправленно отобранная информация об объекте, которая отражает наиболее существенные для исследователя свойства этого объекта.
  • Информационные модели бывают:
  • Вербальные (словесные)
  • Табличные
  • Графические
  • Математические (аналитические)

  • Смоделировать путь свободно падающего тела
  • 1) S=gt2
  • 2)
  • Время
  • (с)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • Путь (м)
  • 9,8
  • 39,2
  • 88,2
  • 156,8
  • 245
  • 352,8
  • 3)

  • Статистика – наука о сборе, измерении и анализе массовых количественных данных
  • Галилео Галилей

  • Регрессионная модель – это функция.
  • График регрессионной модели называется трендом.
  • R2 – коэффициент достоверной апроксимации, 0<R2<1
  • Карл Фридрих Гаусс в XVIII веке предложил метод вычисления параметров регрессионной модели – метод наименьших квадратов

  • Прогнозирование в пределах экспериментальных данных называется восстановлением значения.
  • Прогнозирование за пределами экспериментальных данных называется экстраполяцией.
  • Точка бифуркации – неравновесное, неопределенное состояние.

  • Год
  • Население (млн. чел.)
  • 0
  • 230
  • 1000
  • 305
  • 1500
  • 440
  • 1800
  • 950
  • 1900
  • 1660
  • 1950
  • 2530
  • 1980
  • 4430
  • 1990
  • 5290
  • 2000
  • 6250