7-tajriba ishi Энг кичик квадратлар усули билан чизиқли ва ночизикли моделлаштириш

Регрессия тенгламасини жараёнга адекватлигини текшириш. Кореляцион моделни (1) коэффицентлари аниқлангандан кейин регрессия тенгламасини статистик таҳлил килиш лозим, бунинг учун ҳисобланган регрессия коэффицентларини эътиборга лойиқ эканлигини баҳолаш ва регрессия тенгламасини, яъни моделни тажриба маълумотларига адекватлигини текшириш зарур, Бироқ [4] да кўрсатилишича, регрессион моделни коэффицентларини эътиборга лойиқ эканлигини баҳолаш улар орасида корреляцион боғланиш бўлмаган ҳолатдагина маънога эга бўлади. Фақат олдиндан тузилган аниқ режа асосида бундай ҳолатни содир қилиш мумкин. Регрессия тенгламасини объектга адекватлиги, яъни тажриба маълумотларини объектни моҳиятига мос келиши Фишер критерияси [4, гл.7, с.188-200] ёрдамида қуйидаги схема бўйича текширилади.
1. Кузатув дисперсияси ҳисобланади:
(15)

1. 
   Қолдиқ дисперсияси ҳисобланади:
   

(16)
бу ерда d – регрессия тенгламасидаги коэффициентлар сони.

2. 
   Қуйидаги нисбат аниқланади:
   

(17)
Фишер жадвали бўйича (2-жадвал) F ни қиймати жадвалдан олинган қиймат бу ерда билан солиштирилади. Агар
(18)
шарт бажарилса, у ҳолда қурилган корреляцион модел (1) жараёнга адекват деб ҳисобланади.

4-variant
x	y
19	78
3	82
18	62
8	76
10	87
1	61
6	87
18	64
18	77
19	74
4	75
9	71
6	88
0	84
18	65

#include

using namespace std;
int main()
{
double s1=0,s2=0,s3=0,s4=0,a,b,D;
int n;
cin>>n;
int i;
double Y[n+1], f[n+1];
double x[n+1];
double y[n+1];
for(i=1;i<=n;i++){

cin>>x[i];

cin>>y[i];
s1+=x[i];
s2+=x[i]*x[i];
s3+=y[i];
s4+=y[i]*x[i];
}
D=n*s2-s1*s1;
a=((n*s4-s1*s3)/D);
b=((s2*s3-s1*s4)/D);
for(i=1; i<=n; i++)
{
Y[i]=a*x[i]+b;
f[i]=fabs(y[i]-Y[i]);

printf("\n%.2f %.2f",Y[i], f[i]);

}
cout<<"\na= "< cout<<"b= "<}