Documente Academic
Documente Profesional
Documente Cultură
Obiective:
După studiul acestei unităţi de învăţare, cursanţii vor avea cunoştinţe despre:
➢ Modelul liniar;
➢ Modelul exponenţial;
➢ Modelul parabolic;
➢ Modelul hiperbolic;
➢ Modelul logaritmic.
Secţiuni
1
realizându-se o sistematizare a informaţiilor necesare aplicării metodelor analitice
de calcul şi interpretare statistică.
Alegerea metodei analitice corespunzătoare depinde de natura fenomenului
cercetat şi de informaţiile de care dispunem, respectiv de seriile formate prin
prelucrarea statistică şi de numărul factorilor analizaţi.
În cazul în care se studiază o singură caracteristică factorială (X) şi o singură
caracteristică rezultativă (Y) se vor aplica metodele analitice corespunzătoare
corelaţiei simple.
Dacă se studiază mai multe caracteristici factoriale (X1, X2, X3,...,Xn) şi o
singură caracteristică rezultativă (Y) se vor aplica metodele analitice
corespunzătoare corelaţiei multiple.
2
Metoda regresiei reprezintă o metodă statistică de analiză a legăturii dintre
variabile cu ajutorul unor funcţii denumite funcţii de regresie. Această metodă poate
fi considerată o generalizare a analizei dispersionale.
Pentru alegerea corectă a funcţiei de regresie, se reprezintă seriile de
distribuţie printr-un grafic de corelaţie şi pe baza acestuia se poate aprecia dacă
legătura este de formă rectilinie sau curbilinie.
Funcţia de regresie exprimă modul în care caracteristica rezultativă (Y) se
modifică dacă variază numai valorile caracteristicii factoriale (X) iar ceilalţi factori
au acţiune constantă.
Notând cu Y variabila dependentă şi cu X1, X2, ..., Xn variabilele independente,
se obţine ecuaţia de regresie:
y = f ( x1 , x2 ,..., xn )
y = f ( x1 , x2 ,..., xn ) + e
Având în vedere că funcţia de regresie dintre două sau mai multe caracteristici
se poate exprima prin mai multe ecuaţii, pentru obţinerea unor rezultate mai exacte
(reale) se recomandă să se aleagă modelul de regresie adecvat.
3
În funcţie de numărul factorilor (x1, x2, ..., xn) care influenţează caracteristica
rezultativă (y) deosebim:
y = f ( x) + e
e- eroare aleatoare.
4
9.2.1 Modelul liniar
yˆ i = a + b xi
n
f (a, b) = ( y i − yˆ i ) 2
i =1
n n
n a + b x i = y i
i =1 i =1
n n n
a x + b x 2 =
i i
xi y i
i =1 i =1 i =1
5
Acest sistem se rezolvă folosind metoda lui Cramer.
n
n x i
= n
i =1
n
x x
i =1
i
i =1
2
i
n n
y i x i
a = n
i =1 i =1
n
x y x
i =1
i i
i =1
2
i
n
n y i
b = n n
i =1
xi
i =1
x y
i =1
i i
a
a=
b
b=
6
variabila cauzală. Astfel, specialiştii de marketing se referă în mod frecvent la
evoluţia vânzărilor care descrie într-un mod neliniar viaţa produsului pe piaţă.
Fenomenul de creştere economică ilustrată de evoluţia indicatorilor sintetici
(Produsul Intern Brut, Produsul Intern Net) se caracterizează mai degrabă prin
creşteri urmate de scăderi decât de o creştere liniară rigidă. Prin urmare, pentru a
descrie un număr mare de procese economice, sunt necesare modele neliniare.
Conform lui Pecican (2009), aceste tipuri de modele sunt clasificate astfel:
- Modele neliniare în raport cu variabilele, dar liniare în funcţie de
parametrii care trebuie estimaţi. Aceste modele pot fi transformate prin
transformări corespunzătoare în modele liniare. Problema estimării
parametrilor se simplifică în raport de abilitatea statisticianului de a realiza
liniarizarea modelului;
yˆ i = a b xi
7
Prin logaritmare, modelul exponenţial se poate transforma într-un model
liniar de forma:
lg yi = lg a + xi lg b
y ' = lg y
a ' = lg a
b ' = lg b
n n
n a '
+ b '
i =1
x i =
i =1
yi
n n n
a ' x + b ' x 2 =
i i xi y i
i =1 i =1 i =1
8
9.2.3 Modelul parabolic
yˆ i = a + b xi + c xi2
n n n
n a + b xi + c xi
2
= yi
i =1 i =1 i =1
n n n n
a xi + b xi + c xi = xi yi
2 3
i =1 i =1 i =1 i =1
n 2 n n n
a xi + b xi + c xi = xi yi
3 4 2
i =1 i =1 i =1 i =1
9
Tabelul 9.1. Model de tabel de calcul pentru determinarea parametrilor
modelului parabolic
Nr. xi yi xi2 xi3 xi4 xi∙yi xi2 yi ŷ i
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
n xn yn x n2 x n3 x n4
xn∙yn xn2 yn ŷ n
n n n n n n n n
Total
xi
i =1
yi
i =1
xi2
i =1
xi3
i =1
xi4
i =1
xi yi
i =1
xi2 yi
i =1
yˆ
i =1
i
n
1 n
n a + b
i =1 xi
=
i =1
yi
n n n
a 1 1 1
i =1 xi
+ b 2 = yi
i =1 xi i =1 xi
10
După rezolvarea sistemului se obţine ecuaţia funcţiei de estimare a
caracteristicii rezultative de forma unei hiperbole şi calculând fiecare ecuaţie de
regresie se trece la ajustarea seriei.
1 x1 y1 1 1 1 ŷ1
y1
x1 x12 x1
. . . .
. . . . . .
.
. . . .
.
1 1 1
yn ŷ n
xn xn2 xn
n xn yn
n n n n n n
Total 1 1 1
xi yi 2 yi yˆ i
i =1 i =1 i =1 xi i =1 xi i =1 xi i =1
yˆ i = a + b lg xi
11
Când a>0 şi b>0 curba este crescătoare şi când a>0 şi b<0 curba este
descrescătoare. Folosind metoda celor mai mici pătrate, se ajunge la următorul
sistem de ecuaţii normale :
n n
n a + b
i =1
lg x i =
i =1
yi
n n n
a lg x + b (lg x ) 2 =
i =1 i
i =1
i
i =1
y i lg xi
y = f ( x1 , x 2 ,...., x n )
Cel mai utilizat model de regresie multifactorială este modelul liniar, care se
exprimă prin ecuaţia:
yˆi = a0 + a1 x1 + a2 x2 + ... + an xn
12
ai- coeficienţii de regresie multiplă ce arată ponderea cu care influenţează
fiecare caracteristică x asupra caracteristicii rezultative y.
n n n n
n a0 + a1 x1i + a2 x2i + ... + an xni = yi
i =1 i =1 i =1 i =1
n n n n n
a0 x1i + a1 x1i + a2 x1i x2i + ... + an x1i xni = x1i yi
2
i =1 i =1 i =1 i =1 i =1
n n n n n
a0 x2i + a1 x1i x2i + a2 x2i + ... + an x2i xni = x2i yi
2
i =1 i =1 i =1 i =1 i =1
................................................................................................................
n n n n n
a0 xni + a1 x1i xni + a 2 x2i xni + ... + a n xni2 = xni yi
i =1 i =1 i =1 i =1 i =1
Coeficienţii de regresie ai pot avea fie semn pozitiv, fie semn negativ şi arată
tipul de legătură (directă sau inversă) dintre variabila factorială xi şi variabila
rezultativă y.
Legătura multifactorială liniară se poate reprezenta grafic sub forma unui
plan. Acest tip de legătură presupune că variabilele factoriale să fie independente,
adică să nu avem fenomenul de multicolinearitate.
Pot apărea situaţii în care diferitele caracteristici studiate acţionează prin
multiplicarea lor. Influenţele nu mai sunt în acest caz uniforme, ci proporţionale cu
valoarea caracteristicii. Ele se manifestă cu un ritm de creştere, ceea ce face ca gradul
de influenţă al caracteristicilor analizate să fie proporţional cu valoarea acestora.
13
Astfel, se poate stabili un model multifactorial de forma:
Teste de autoevaluare
Răspuns
14
Unde e reprezintă o eroare aleatoare (o variabilă reziduu), cu dispersia
constantă şi media nulă.
Având în vedere că funcţia de regresie dintre două sau mai multe caracteristici
se poate exprima prin mai multe ecuaţii, pentru obţinerea unor rezultate mai exacte
(reale) se recomandă să se aleagă modelul de regresie adecvat.
Lucrări de verificare
Rezumat
15
Bibliografie
16