Professional Documents
Culture Documents
M05984
M05984
МЕТОДИЧНІ ВКАЗІВКИ ТА
РОЗРАХУНКОВО-ГРАФІЧНІ ЗАВДАННЯ
з курсу
“Е К О Н О М Е Т Р И К А”
2017
2
Укладач:
Шишканова Ганна Анатоліївна, доцент, к.ф.-м.н.
Рецензент:
Мастиновський Юрій Вікторович, професор, к.т.н.
Відповідальний за випуск:
Шишканова Ганна Анатоліївна, доцент, к.ф.-м.н.
Затверджено
на засіданні кафедри прикладної
математики ЗНТУ
Протокол № 9 від 06.04.2017
Рекомендовано
до видання НМК факультету
економіки та управління ЗНТУ
Протокол № 8 від 18.04.2017
3
ЗМІСТ
Вступ.................................................................................... ........................5
1 Парний лінійний регресійнйй аналіз.:...... .............................................. 6
1.1. Парна лінійна регресія........................ ..................................... ...6
1.2. Коефіцієнт кореляції.................................................................... 9
1.3. Коефіцієнт детермінації .............................................................. 9
1.4. Коефіцієнт еластичності.............................................................10
1.5. Перевірка гіпотези про значущість коефіцієнта кореляції......10
1.6. Деякі припущення у парному регресивному аналізі................11
1.7. Стандартні відхилення параметрів регресії та їх надійні
інтервали.............................................................................................11
1.8. Надійна зона регресії............ .....................................................12
1.9. Прогноз і його надійний інтервал................................. ............12
1.10. F -тест для перевірки адекватності регресійної моделі..........12
1.11. Приклад побудови економічної моделі парної
лінійної регресії..................................................................................13
5 Автокореляція ......................................................................................... 43
5.1 Основні положення теми ............................................................. 43
5.2 Критерії перевірки автокореляцїі ............................................. 43
6. Гетероскедастичність ............................................................................ 45
6.1 Основні положення теми ............................................................. 45
6.2 Перевірка наявності гетероскедастичності............................. 45
7. Завдання................................................................................................. 48
7.1 Завдання № 1 ............................................................................... 48
7.2 Завдання №2 ................................................................................49
7.3 Завдання №3................................................................................ 50
7.4 Завдання №4....................................................... .........................51
Література ...........................................................................................56
Додаток А ..................................................................................................57
5
ВСТУП
Yˆ = M (Y / X = x) = ϕ( x) . (1.1)
Yˆ = a + bX (1.3)
e i = y i − yˆ i , i = 1, n
7
де функція
n n n
Q(a, b) = ∑ ei2 = ∑ ( yi − yˆi )2 = ∑ ( yi − a − bxi )2 .
i =1 i =1 i =1
Необхідною умовою існування мінімуму функції Q(a, b) є
рівність нулю її частинних похідних:
n
∂Q
= −2∑ ( yi − a − bxi ) = 0;
∂a
i =1
n
∂Q
= −2∑ ( yi − a − bxi ) xi = 0,
∂b
i =1
звідки отримаємо систему лінійних рівнянь
n n
∑ yi = na +b∑ xi ,
i =1 i =1
n n n
(1.4)
∑ y x
i i = a ∑ x i +b∑ xi2,
i =1 i =1 i =1
яка має єдинйй розв'язок
n n
n ∑ xi ∑ yi
∑ xi yi − i =1 i =1
n
b = i =1 2
; (1.5)
n n
2− 1
∑ i 2 ∑ xi
x
i =1 i =1
8
n n
∑ yi − b∑ xi
a = i =1 i =1 . (1.6)
n
a = y − bx (1.7)
n ∑ i i
b = i =1 . (1.8)
1 x2 − x 2
n
n ∑ i
i =1
Вираз (1.8) можна записати ще так:
n
1 ( x − x )( y − y)
n∑ i i
b= i =1 .
n
1 ( x −x )2
n∑ i
i =1
Або
Cov( x; y )
b= ; (1.9)
Var ( x)
де
1 n 1 n
Cov( x; y ) = ∑
n i =1
xi yi − x ⋅ y; Var ( x) = ∑ xi2 − x 2 .
n i =1
9
)
Var ( y )
R2 = . (1.11)
Var ( y )
K X = Y '⋅)X , .
ˆ
(1.12)
Y
де Y ' похідна по X .
Коефіцієнт еластичності показує, на скільки відсотків зміниться
показник, якщо фактор зміниться на один відсоток.
Для парної лінійної регресії (1.3) коефіцієнт еластичності
обчислюється за формулою:
(a + bxi )′xi bxi
K xi = ) = ) , i = 1, n . (1.13)
yi yi
S2
де ∆yi = c.n.( y ) ⋅ tkput , c.n.( yi ) = u 1 + i
) ) ) (
x − x2 ).
n Var(x)
) ) ) Su2 ( x p − x ) 2
де ∆y p = c.п.( y p ) ⋅ tkpum , c.n.( y p ) = n +1+ .
n Var ( x)
R 2 / k2
F= , (1.18)
(1 − R 2 ) /(n − k2 − 1)
Завдання.
)
Побудувати регресійну залежність y = a + bx між y (витрати на
бензин) та х (час) відповідно до другого та третього стовпчиків
таблиці 1.1, де величини задані в мільярдах умовних грошових
одиниць за період з 1959 по 1983 роки, і зробити повний економічний
аналіз отриманої моделі.
Результати розв’язку.
Таблиця 1.1
№ x y y^ е y^- y^+ Кел
1 1959 13,7 14,18 - 0,48 12,58 15,78 87,11
2 1960 14,2 14,81 - 0,61 13,31 16,31 83,44
3 1961 14,3 15,44 - 1,14 14,03 16,85 80,08
4 1962 14,9 16,07 - 1,17 14,75 17,39 76,97
5 1963 15,3 16,70 - 1,40 15,47 17,93 74,11
6 1964 16 17,33 - 1,33 16,18 18,48 71,45
7 1965 16,8 17,96 - 1,16 16,89 19,03 68,97
8 1966 17,8 18,59 - 0,79 17,59 19,60 66,67
9 1967 18,4 19,22 - 0,82 18,28 20,17 64,52
10 1968 19,9 19,85 0,05 18,96 20,75 62,50
11 1969 21,4 20,48 0,92 19,63 21,34 60,61
12 1970 22,9 21,11 1,79 20,28 21,95 58,83
13 1971 24,2 21,74 2,46 20,92 22,57 57,15
14 1972 25,4 22,37 3,03 21,54 23,21 55,57
15 1973 26,2 23,00 3,20 22,15 23,86 54,07
16 1974 24,8 23,64 1,16 22,74 24,53 52,66
17 1975 25,6 24,27 1,33 23,32 25,21 51,31
18 1976 26,8 24,9 1,90 23,89 25,90 50,04
19 1977 27,7 25,53 2,17 24,45 26,60 48,83
20 1978 28,3 26,16 2,14 25,01 27,31 47,68
21 1979 27,4 26,79 0,61 25,56 28,02 46,58
22 1980 25,1 27,42 -2,32 26,10 28,74 45,53
23 1981 25,1 28,05 -2,95 26,64 29,46 44,53
24 1982 25,3 28,68 -3,38 27,18 30,18 43,57
25 1983 26,1 29,31 -3,21 27,71 30,91 42,66
прогноз 1984 29,94 -29,94 25,48 34,40 41,78
∑ 49275 543,6 543,6
Ср. арифм. 1971 21,74 21,74
n=25 b=0,63 r(x,y)=0,92 var(y^)=20,67
2
k1 =23 a=-1220,896 R =0,85 var(y)=24,32
c.п.(a)=108,92 a − = −1446,26 a + = −995,53 var(x)=52,0
t крит =2,069 F крит =4,28 cov(x,y)=32,78 var(e)=3,65
Рисунок 1.1
Рисунок 1.2
Висновок
)
1. Модель має вигляд y = −1220,896 + 0,63 x .
2. Якщо х збільшити на 1 одиницю то y збільшиться на 0,63
одиниць у своїх вимірах, тобто на 630 млн. умовних грошових
одиниць.
16
Y = a + bϕ(X ) , (2.1)
Cov ( Z ,Y )
b= ; (2.2)
Var ( Z )
a = y − bz ; (2.3)
1 n 1 n
де z = ∑ i
n i =1
z ; y = ∑yi.
n i =1
Коефіцієнт еластичності для парної квазілінійної регресії
оцінюється за формулою:
bϕ' ( x) X bϕ' ( x) X
Kϕ( X ) = ) = . (2.4)
Y a + bϕ( X )
18
) 1 , заміною y = 1 призводиться до
1. Регресія вигляду y =
a + bx 1 y
)
лінійної y1 = a + bx , Коефіцієнт еластичності матиме вигляд
bxi
Kелі = .
a + bxi
)
2. Регресія y = 1
−
, після двох замін y1 = 1 та z = e− x ,
a + be x y
) bx
зводиться до лінійної регресії y1 = a + bz , Kелі = − x i .
ae i + b
)
3. Регресію y = ab x , за допомогою логарифмування та
послідовної зміни величин та параметрів приводимо до лінійної
)
регресії. Логарифмуємо ln y = ln a + x ln b , вводимо заміни y1 = ln y ,
)
a1 = ln a , b1 = ln b , лінійна регресія набуде вигляду y1 = a1 + b1x . Для
такої регресії спочатку знаходять оцінки параметрів a1 та b1 , a потім
оцінки параметрів а та b як a = ea1 , b = eb1 . Оцінка коефіцієнта
еластичності знаходиться за формулою Kелі = xi ln b .
)
4. Регресія y = aebx , після логарифмування та замін y1 = ln y ,
a1 = ln a зводиться до лінійної регресії з коефіцієнтом
еластичності Kелі = bxi ;
)
5. Регресія y = axb , після логарифмування та замін y1 = ln y ,
a1 = ln a , z = ln x зводиться до лінійної регресії. Коефіцієнт
еластичності обчислюється за формулою K елі = b .
) ) ) Su2 ( zi − z ) 2
де ∆yi = c.n.( yi ) ⋅ t крит , c.n.( yi ) = 1+ .
n Var ( z )
) ) ) 1 (z p − z )2
2 .
де ∆y p = c.n.( y p ) ⋅ t крит , c.n.( y p ) = S u 1 + +
n nVar ( z )
Завдання.
Побудувати нелінійну регресійну залежність, яка б найкраще
описувала зв'язок між у - дохід який знаходиться у власному
розпорядженні та х - витрати на бензин, і зробити повний економічний
аналіз отриманої моделі. Розглянути нелінійні моделі
) b ) ) 1 ) )
1. y = a + ; 2. y = a + b ln x , 3. y = ; 4. y = axb , 5. y = ab x ,
x a + bx
побудувати усі вказані моделі парних нелінійних регресій.
Результати розв’язку.
Для розрахунків використовуємо пакет Excel. Для побудови
графіків у „Майстері діаграм” вибрано тип „Точкова”.
Точність моделі. Із декількох моделей найбільш точною є та, в
n n
)
якій найменша сума квадратів відхилень: ∑ e2 = ∑ ( yi − yi )2 .
i =1 i =1
)
де у та y змінні, які описують нелінійну модель.
22
Рисунок 2.1
Висновки
1. Із п’яти моделей найкраще описує статистичні дані перша
модель, тому що для цієї регресії сума квадратів відхилень є
найменша, яка дорівнює 48,37.
)
Модель набуває вигляд y = 39,3 − 12795,12 .
x
2. Коефіцієнт детермінації R 2 =0,92; він близький до 1 і свідчить
про те, що між х та у є тісний зв'язок;
3. Коефіцієнт кореляції у лінеарізованій моделі r=-0,96; він
близький до 1, тому можна стверджувати, що між х та у існує
відповідна залежність.
4. Коефіцієнт еластичності змінюється в межах від 0,42 до 2,11.
5. Перевірка за допомогою критерію Фішера показала, що
F=266,09 є більшим за Fкрит =4,28, тобто модель є адекватною
статистичним даним.
6. Параметри α та β задовольняють такі нерівності:
36,99 <α< 41,61;
-11172,24 <β<-14418,01.
7. Значення прогнозу в точці хр=1120 дорівнює ур=27,88.
Довірчий інтервал для прогнозу є 24,72 < y p < 31,03.
24
Таблиця 2.1
№ х у х1=1/х y^ у^- у^+ Кел e^2
1 479,7 13,7 0,00208 12,63 11,32 13,93 2,11 1,153292939
2 489,7 14,2 0,00204 13,17 11,93 14,41 1,98 1,059316025
3 503,8 14,3 0,00198 13,90 12,74 15,06 1,83 0,158376125
4 524,9 14,9 0,00191 14,92 13,87 15,98 1,63 0,00052698
5 542,3 15,3 0,00184 15,71 14,73 16,68 1,50 0,164092583
6 580,8 16,0 0,00172 17,27 16,44 18,10 1,28 1,610592795
7 616,3 16,8 0,00162 18,54 17,81 19,26 1,12 3,020884064
8 646,8 17,8 0,00155 19,52 18,85 20,18 1,01 2,948321467
9 673,5 18,4 0,00148 20,30 19,67 20,93 0,94 3,614964667
10 701,3 19,9 0,00143 21,05 20,45 21,66 0,87 1,332633829
11 722,5 21,4 0,00138 21,59 20,99 22,19 0,82 0,036004522
12 751,6 22,9 0,00133 22,28 21,67 22,88 0,76 0,390106604
13 779,2 24,2 0,00128 22,88 22,26 23,50 0,72 1,746585538
14 810,3 25,4 0,00123 23,51 22,87 24,15 0,67 3,577161614
15 865,3 26,2 0,00116 24,51 23,82 25,21 0,60 2,848196923
16 858,4 24,8 0,00116 24,39 23,71 25,08 0,61 0,165258973
17 875,8 25,6 0,00114 24,69 23,98 25,40 0,59 0,828790357
18 906,8 26,8 0,00110 25,19 24,45 25,93 0,56 2,595101722
19 942,9 27,7 0,00106 25,73 24,94 26,51 0,53 3,883686826
20 988,8 28,3 0,00101 26,36 25,52 27,20 0,49 3,766668317
21 1 015,5 27,4 0,00098 26,70 25,83 27,57 0,47 0,490791036
22 1 026,6 25,1 0,00097 26,84 25,95 27,72 0,46 3,01254835
23 1 049,3 25,1 0,00095 27,11 26,20 28,01 0,45 4,021228613
24 1 058,3 25,3 0,00094 27,21 26,29 28,13 0,44 3,644281232
25 1 095,4 26,1 0,00091 27,62 26,66 28,58 0,42 2,305793455
рг 1120,0 0,00089 27,88 24,72 31,03 0,41
∑ 19505,8 543 0,03 543,60 48,37
де x1i , x2i ,..., xmi - відомі незалежні змінні (наприклад, кількість хліба
та хлібобулочних виробів проданих в i -му обліковому році на душу
населення), li - випадкова величина, яка є відхиленням від
передбачуваної функціональної залежності в i -му році (флуктуація
або помилка), αi - невідомі параметри. Систему рівнянь (3.1) можна
записати у матричній формі
y 1 1 x 11 x 21 ... x m 1 α 0 l 1
y 2 1 x 12 x 22 ... x m 2 α 1 l 2
... = ... ... ...
× +
... ... ... ...
, (3.2)
y 1 x x 2n ... x mn α m l n
n 1n
або
Y = Xα + l . (3.3)
26
X T Y = X T Xa . (3.6)
Матриці X T X та X T Y обчисляються за формулами:
1 x11 x21
1 1 K 1
1 x12 x22
X T X = x11 x12 K x1n × =
M M M
x
21 x22 K x2n
1 x1n x2n
n n
n ∑ x1i ∑ x2i
i =1 i =1
n n n
= ∑ x1i ∑ x 1i ∑ x1i x2i ;
2
in=1 i =1
n
i =1
n
x 2
∑ 2i ∑ 2i 1i ∑ 2i
x x x
i =1 i =1 i =1
n
y1 ∑ yi
1 1 K 1 i =1
y2 n
X Y = x11 x12 K x1n × = ∑ x1i yi .
T
M i =1
x x K x n
21 22 2n
n ∑ x2i yi
y
i =1
Із рівності (3.6) можемо знайти матрицю-стовпець коефіцієнтів
множинної лінійної регресії; вона набуває вигляду:
(
a = XT X )−1 ⋅ X T Y . (3.7)
n n
)
∑(y i − y )2 ∑l i
aT X T Y − ny 2
R = 2 i =1
= 1− i =1
= .
n n
Y T Y − ny 2
∑(y
i =1
i −y) 2
∑(y
i =1
i − y )2
R 2 (n − m − 1)
F = ,
(1 − R 2 )m
1 n
де y = ∑ y i , m - число факторів включених в регресію, n – число
n i =1
дослідів. Для заданої надійності γ та числа ступенів вільності k1 = m ,
k2 = n − m − 1 знаходиться табличне значення з таблиці розподілу
Фішера Fγ,k1,k2 . Якщо F > Fγ,k1,k2 , то з надійністю γ можна вважати,
що математична модель адекватна статистичним даним. В
протилежному випадку з ймовірністю γ вона не адекватна
статистичним даним тому її потрібно змінити на іншу.
(
Z = XT X )−1
3.6 Мультиколінеарність
χ2 = − n − 1 − 2m + 5 ln det r .
6
Для заданої довірчої ймовірності γ та k = m(m − 1) / 2 - що є
числом ступенів вільності, треба знайти табличне значення χ γk 2 .
Якщо χ2 ≤ χ γk 2 то із заданою надійністю γ можна вважати, що
загальна мультиколінеарність відсутня і на цьому закінчується
дослідження мультиколінеарності. Якщо χ2 > χ γk 2 то з прийнятою
ймовірністю γ можна вважати, що між факторами існує
мультиколінеарність. Для з'ясування питання, між якими факторами
існує мультиколінеарність, використовується F- та t -статистика. t -
статистика обчислюється
rij1...m n − m − 1
tij = , i = 1, n, j = 1, n .
1 − r 2ij1...m
Для заданої ймовірності γ та числа ступешв вільності
k = n − m − 1 знаходимо критичне значення статистики Стьюдента tγk
із таблиць. Якщо tij > tγk , то з надійністю γ можна стверджувати, що
між факторами xi i x j існує мультиколінеарність.
Усунення мультиколінеарності. Для усунення
мультиколінеарності існує декілька способів. Розглянемо
найпростіші.
Перший спосіб. Якщо між двома факторами xi i x j існує
мультиколінеарність, то один із факторів виключається з розгляду.
Другий спосіб полягає в заміні фактора xi на різницю xi* = x j - xi ,
після чого слід перевірити на наявність мультиколінеарності між
факторами xi* i x j .
35
Pi P1 P2 ... Pn
Dі D1 D2 ... Dn
Якщо між ціною P та величиною попиту D існує залежність
D = α0 + α1P + α 2 P 2 , (4.5)
то оцінки параметрів та їх надійні інтервали знаходимо аналогічно
лінійній множинній регресії.
або
3a2P2 + 2(a1 – Va2)Р + (a0 + Va1) = 0,
а звідси отримуємо, що
1 D
0
P3,4 = Va2 − a1 ± 2 ,
3a2
де D0 = 4((a1 − Va2 )2 + 3a2 (Va1 − a0 )) .
Припустимо, що в точці Р4 функція dF змінює знак з (+) на (-),
dP
тоді в цій точці прибуток є максимальним.
Оптимальну кількість продукції можна визначити за такою
формулою
)
D1 = a0 + a1P3 + a2 P42 ,
а максимальний прибуток
F (P4) = Z (P4 ) − Vf (P4 ) =
=a2P34 – (a1 – Va2)P24 + (a0 + Va1)p4 – C – Va0. (4.10)
Виробнича регресія.
Обсяг виробництва Y Залежить від двох типових факторів –
затрат на працю х1 і від основних засобів (капіталу) даної галузі х2
Y = F ( x1, x2 ) . (4.13)
Для такої залежності використовують регресію типу Кобба-
Дугласа
)
Y = α0 x1α1x2α2. (4.14)
) Y) x
Після заміни Y1 = , z = 1 отримаємо
x2 x2
)
Y1 = α0 z α1 (4.17)
41
5 АВТОКОРЕЛЯЦІЯ
Y = АX + u,
t =1
Він може приймати значення: DW є [0, 4].
Якщо залишки ut є випадковими, тобто не автокорельовані
величини, то значення DW=2, або знаходяться поблизу 2.
44
6 ГЕТЕРОСКЕДАСТИЧНІСТЬ
rx ,u = 1 − t =1
,,
n(n − 1)
2
де Dt = N xt − N ut ; N xt - ранг xt ; N ut - ранг u t .
Якщо rx ,u ≥ rkr , то можна відхилити гіпотезу про
гомоскедастічность.
Якщо в моделі регресії є більше однієї пояснювальної змінної,
то перевірка гіпотези може виконуватися з використанням будь-якої
з них. Можна використати t-статистику, тоді:
rx ,u n − k − 1
t= .
1− r2
Якщо t > t kr , то це підтверджує гіпотезу про наявність
гетероскедастичності. Якщо t
Тест Гольфельда-Квандта застосовується у випадку, коли є
підстави вважати, що стандартне відхилення помилок може бути
пропорційно деякої змінної. Тест також ґрунтується на припущенні
нормальності розподілу випадкових помилок регресійної моделі.
Фактично це F-тест, оскільки статистика тесту має розподіл Фішера.
47
7 ЗАВДАННЯ
7.1 Завдання №1
α
1 y = b ⋅ 10 x ; 2 y= x ; 3 y= 1 ; 4 y = bα x ; 5 y = bxα .
αx + b −x
αe + b
Таблиця 7.1
X 1.03 1.59 2.12 2.61 3.05 3.56 4.00 4.50 5.03 5.56
1.
Y 3.02 2.94 2.71 3.32 2.69 2.99 3.22 3.42 4.00 3.43
X 1.10 1.33 1.58 1.81 2.09 2.32 2.59 2.85 3.14 3.43
2.
Y 2.27 2.91 3.18 3.50 3.71 3.88 4.06 4.18 4.39 4.44
X 8.68 9.86 10.65 11.2 11.87 12.32 12.59 12.89 13.18 13.40
3.
Y 0.21 0.69 1.03 1.38 1.71 2.07 2.47 2.92 3.38 3.87
X 0.38 0.93 1.61 2.35 30.2 3.36 4.35 5.02 5.72 2.65
4.
Y 48.33 7.97 4.60 4.02 3.75 3.72 3.33 3.27 2.67 3.28
X 0.11 0.39 0.66 0.89 1.15 1.43 1.67 1.95 2.33 2.46
5.
Y 1.78 2.22 4.30 5.49 6.57 7.15 10.48 12.52 17.53 24.23
X 0.21 0.69 1.03 1.38 1.71 2.07 2.47 2.92 3.38 3.87
6.
Y 0.19 0.47 0.67 0.66 0.92 1.00 1.15 1.39 1.48 1.72
X 1.03 1.63 2.16 2.71 3.26 3.77 4.35 4.91 5.50 6.01
7.
Y 1.27 1.42 1.93 2.36 2.73 3.93 5.12 6.55 9.05 12.24
X 0.32 0.93 1.59 2.29 2.92 3.62 4.30 4.99 5.63 6.25
8.
Y 2.44 3.62 4.98 5.43 5.59 5.94 6.67 9.62 11.39 12.60
X 1.08 1.53 2.05 2.58 3.02 3.58 4.06 4.56 5.01 5.51
9.
Y 4.37 4.01 3.29 3.10 3.22 2.99 2.90 2.37 1.87 1.82
X 1.10 1.55 2.09 2.52 3.07 3.57 4.06 4.56 5.01 5.53
10
Y 1.84 2.22 3.54 3.50 5.30 5.42 7.12 8.27 8.77 10.09
7.2 Завдання № 2
D = α0 + α1P + α 2 P 2 .
7.3 Завдання №3
7.4 Завдання №4
1 Y = exp(a0 + a1x1 + a2 x2 ) x2 5.12 5.09 4.70 4.23 3.87 3.43 3.26 2.85 2.59
2 Y = exp(a0 + a1 ln x1 + x2 3.02 2.89 2.86 2.76 2.61 2.41 2.36 2.32 2.15
+ a2 x2) Y 31.39 31.68 43.69 54.43 59.50 59.16 66.65 67.91 62.26
52
x1 0.51 0.63 0.88 1.11 1.25 1.36 1.50 1.53 1.78
Y = exp(a0 + a1 / x1 +
3 x2 24.15 22.91 22.77 20.78 19.93 19.50 19.38 18.72 18.23
+ a2 ln x2 )
Y 972.26 406.1 150.32 87.03 65.67 56.43 48.17 45.75 38.23
x1 15.78 15.26 13.43 13.07 12.13 11.52 11.35 10.22 8.26
Y = exp(a0 + a1 ln x1 +
4 x2 0.49 0.81 1.14 1.30 1.55 1.65 1.73 2.11 2.31
+ a2 / x2)
Y 41.11 42.82 40.16 39.65 37.51 37.45 36.38 36.96 31.18
Y = exp(a0 + a1 / x1 + x1 5.12 5.70 6.50 7.24 7.78 8.15 8.41 9.26 9.66
5 + a2 x2) x2 12.11 11.86 11.80 11.71 11.23 10.88 10.30 9.57 9.56
53
Y = a0 + a1 ln x1 +
8 x2 25.17 27.33 26.17 27.39 27.17 27.20 28.17 30.47 29.17
+ a2 x 2
Y 68.26 73.07 70.62 73.88 74.16 74.75 75.59 80.15 79.34
x1 3.52 4.676 5.507 7.729 7.995 10.07 12.98 14.84 17.83
Y = a0 + a1 / x1 +
9 x2 52.06 53.10 53.62 55.07 57.63 58.86 59.28 62.22 65.95
+ a2 ln x2
Y 20.99 19.23 19.53 18.10 20.16 19.92 19.27 18.28 18.53
1 x2 52.1 57.0 60.7 65.7 69.9 74.6 77.8 78.0 83.0 86.9 89.2 94.6 97.0 100.4
Y 69.5 75.9 79.9 84.6 89.0 95.6 99.8 103.1 107.5 111.9 114.5 120.9 122.8 ?
x1 30.1 32.6 33.7 35.1 36.4 39.4 41.8 43.3 44.2 46.0 47.8 49.5 49.7 49.9
2 x2 52.1 53.5 53.1 56.5 54.1 58.2 55.1 57.2 56.1 56.1 57.1 58.7 58.1 58.1
78.2 82.4 83.8 86.7 87.0 92.8 91.5 95.3 94.7 96.7 99.5 102.9 102.6 ?
54
Y
x1 26.9 28.7 29.8 31.5 34.4 35.5 35.9 37.3 40.1 42.7 44.6 44.8 46.5 47.2
3 x2 52.1 56.7 60.9 62.9 67.2 67.5 72.7 76.9 81.0 84.4 85.8 89.8 93.7 95.9
Y 75.2 81.4 84.9 90 96.3 97.2 102.2 107.1 114.0 118.5 123.1 126.2 131.7 ?
x1 23.8 23.8 24.2 24.8 24.9 25.9 26.7 27.8 30.3 31.5 33.4 35.6 37.7 39.8
4 x2 42.7 46.6 49.3 51.8 53.3 55.8 58.8 59.0 64.4 65.7 68.8 69.2 74.4 74.7
Y 63.4 67.2 70.9 72.2 74.2 76.2 81.2 81.4 88.8 92.7 96.5 99.1 108.5 ?
x1 43.1 45.2 45.5 47.8 49.5 50.3 53.3 53.7 53.7 55.5 57.4 59.2 61.2 61.8
x2 32.4 34.8 38.0 40.3 45.7 48.2 53.3 55.4 55.5 56.7 62.2 65.9 68.4 73.0
5
Y 68.7 73.3 77.6 80.1 88.1 91.0 100.4 102.2 101.1 103.9 112.1 118.3 121.9 ?
x1 46.0 46.6 48.7 49.2 49.3 51.7 54.3 54.7 55.7 58.6 61.5 64.1 67.1 67.3
6 x2 32.8 34.3 38.9 42.8 43.3 48.4 48.7 52.5 56.9 59.7 62.1 66.3 66.9 69.2
Y 69.9 72.4 80.3 85.4 85.1 92.3 94.9 99.4 104.1 110.2 115.8 121.6 127.7 ?
x1 32.1 34.3 36.3 38.4 40.8 42.1 43.5 45.8 48.7 51.8 53.7 54.4 55.7 58.5
7 x2 44.1 45.4 46.4 50.9 55.5 57.9 63.4 63.8 66.5 66.9 68.3 71.5 76.5 80.5
Y 74.2 76.2 78.5 85.9 91.0 95.8 102.4 104.4 108.3 111.3 114.6 119.4 124.6 ?
55
x1 33.1 34.2 36.3 38.4 41.0 43.7 44.3 46.0 47.0 49.3 50.1 51.8 53.9 56.8
8 x2 25.1 25.4 30.2 32.7 35.7 41.1 43.5 47.9 53.3 58.0 62.2 64.2 69.7 69.9
Y 54.1 54.9 62.0 66.3 70.5 79.3 81.3 88.0 94.8 99.7 106.2 110.4 117.7 ?
x1 54.2 56.8 59.7 61.4 63.5 64.7 64.8 67.4 69.0 70.7 71.3 73.7 75.9 77.5
9 x2 33.6 39.1 40.4 42.9 44.0 46.8 51.9 56.3 56.6 58.7 59.6 62.4 63.9 67.2
Y 75.4 85.4 88.5 92.7 95.2 99.5 106.2 113.2 114.5 118.1 118.7 123.0 127.4 ?
x1 43.6 44.0 44.8 46.3 47.6 47.9 50.1 50.5 51.1 52.9 53.1 54.0 56.8 57.6
10 x2 34.7 37.7 40.4 42.8 44.7 49.5 51.8 53.8 57.6 60.4 63.3 63.6 66.0 66.7
Y 71.9 75.1 78.1 83.1 86.7 92.3 94.9 97.5 102.0 106.4 110.0 110.0 114.6 ?
56
ЛІТЕРАТУРА
Додаток А
k1\k2 1 2 3 4 5
1 161,4 199,5 215,7 224,6 230,2
2 18,51 19 19,16 19,25 19,3
3 10,13 9,55 9,28 9,12 9,01
4 7,71 6,94 6,59 6,39 6,26
5 6,61 5,79 5,41 5,19 5,05
6 5,99 5,14 4,76 4,53 4,39
7 5,59 4,74 4,35 4,12 3,97
8 5,32 4,46 4,07 3,84 3,69
9 5,12 4,26 3,86 3,63 3,48
10 4,96 4,1 3,71 3,48 3,33
11 4,84 3,98 3,59 3,36 3,2
12 4,75 3,89 3,49 3,26 3,11
13 4,67 3,81 3,41 3,18 3,03
14 4,6 3,74 3,34 3,11 2,96
15 4,54 3,68 3,29 3,06 2,9
16 4,49 3,63 3,24 3,01 2,85
17 4,45 3,59 3,2 2,96 2,81
18 4,41 3,55 3,16 2,93 2,77
19 4,38 3,52 3,13 2,9 2,74
20 4,35 3,49 3,1 2,87 2,71
21 4,32 3,47 3,07 2,84 2,68
22 4,3 3,44 3,05 2,82 2,66
23 4,48 3,42 3,03 2,8 2,64
24 4,26 3,4 3,01 2,78 2,62
25 4,24 3,39 2,99 2,76 2,6
26 4,23 3,37 2,98 2,74 2,59
27 4,21 3,35 2,96 2,73 2,57
28 4,2 3,34 2,95 2,71 2,56
29 4,18 3,33 2,93 2,7 2,55
30 4,17 3,32 2,92 2,69 2,53
40 4,08 3,23 2,84 2,61 2,45
59
k1\k2 1 2 3 4 5
1 4052 4999 5404 5624 5764
2 98,50 99,00 99,16 99,25 99,30
3 34,12 30,82 29,46 28,71, 28,24
4 21,20 18,00 16,69 15,98 15,52
5 16,26 13,27 12,06 11,39 10,97
6 13,75 10,92 9,78 9,15 8,75
7 12,25 9,55 8,45 7,85 7,46
8 11,26 8,65 7,59 7,01 6,63
9 10,56 8,02 6,99 6,42 6,06
10 10,04 7,56 6,55 5,99 5,64
11 9,65 7,21 6,22 5,67 5,32
12 9,33 6,93 5,95 5,41 5,06
13 9,07 6,70 5,74 5,21 4,86
14 8,86 6,51 5,56 5,04 4,69
15 8,68 6,36 5,42 4,89 4,56
16 8,53 6,23 5,29 4,77 4,44
17 8,40 6,11 5,19 4,67 4,34
18 8,29 6,01 5,09 4,58 4,25
19 8,18 5,93 5,01 4,50 4,17
20 8,10 5,85 4,94 4,43 4,10
21 8,02 5,78 4,87 4,37 4,04
22 7,95 5,72 4,82 4,31 3,99
23 7,88 5,66 4,76 4,26 3,94
24 7,82 5,61 4,72 4,22 3,90
25 7,77 5,57 4,68 4,18 3,85
26 7,72 5,53 4,64 4,14 3,82
27 7,68 5,49 4,60 4,11 3,78
28 7,64 5,45 4,57 4,07 3,75
29 7,60 5,42 4,54 4,04 3,73
30 7,56 5,39 4,51 4,02 3,70
40 7,31 5,18 4,31 3,83 3,51
60
k γ =5 % γ =1% k γ =5 % γ =1%
1 3,8415 6,6349 31 45,0 52,2
2 5,9915 9,2104 32 46,2 53,5
3 7,8147 11,3449 33 47,4 54,8
4 9,4877 13,2767 34 48,6 56,1
5 11,0705 15,0863 35 49,8 57,3
6 12,5916 16,8119 36 51,0 58,6
7 14,0671 18,4753 37 52,2 59,9
8 15,5073 20,0902 38 53,4 61,2
9 16,9190 21,6660 39 54,6 62,4
10 18,3070 23,2093 40 55,8 63,7
11 19,6752 24,7250 41 56,9 65,0
12 21,0261 26,2170 42 58,1 66,2
13 22,3620 27,6882 43 59,3 67,5
14 23,6848 29,1412 44 60,5 68,7
15 24,9958 30,5780 45 61,7 70,0
16 26,2962 31,9999 46 62,8 71,2
17 27,5871 33,4087 47 64,0 72,4
18 28,8693 34,8052 48 65,2 73,7
19 30,1435 36,1908 49 66,3 74,9
20 31,4104 37,5663 50 67,5 76,2
21 32,6706 38,9322 52 69,8 78,6
22 33,9245 40,2894 54 72,2 81,1
23 35,1725 41,6383 56 74,5 83,5
24 36,4150 42,9798 58 76,8 86,0
25 37,6525 44,3140 60 79,1 88,4
26 38,8851 45,6416 62 81,4 90,8
27 40,1133 46,9628 64 83,7 93,2
28 41,3372 48,2782 66 86,0 95,6
29 42,5569 49,5878 68 88,2 98,0
30 43,7730 50,8922 70 90,5 100
61
k =1 k =2 k =3 k =4 k =5
n DW1. DW2. DW1. DW2. DW1. DW2. DW1. DW2. DW1. DW2.
15 1,08 1,36 0,95 1,54 0,82 1,75 0,69 1,97 0,56 2,21
16 1,10 1,37 0,98 1,54 0,86 1,73 0,74 1,93 0,62 2,15
17 1,13 1,38 1,02 1,54 0,90 1,71 0,78 1,90 0,67 2,10
18 1,16 1,39 1,05 1,53 0,93 1,69 0,82 1,87 0,71 2,06
19 1,18 1,40 1,08 1,53 0,97 1,68 0,86 1,85 0,75 2,02
20 1,20 1,41 1,10 1,54 1,00 1,68 0,90 1,83 0,79 1,99
21 1,22 1,42 1,13 1,54 1,03 1,67 0,93 1,81 0,83 1,96
22 1,24 1,43 1,15 1,54 1,05 1,66 0,96 1,80 0,86 1,94
23 1,26 1,44 1,17 1,54 1,08 1,66 0,99 1,79 0,90 1,92
24 1,27 1,45 1,19 1,55 1,10 1,66 1,01 1,78 0,93 1,90
25 1,29 1,45 1,21 1,55 1,12 1,66 1,04 1,77 0,95 1,89
26 1,30 1,46 1,22 1,55 1,14 1,65 1,06 1,76 0,98 1,88
27 1,32 1,47 1,24 1,56 1,16 1,65 1,08 1,76 1,01 1,86
28 1,33 1,48 1,26 1,56 1,18 1,65 1,10 1,75 1,03 1,85
29 1,34 1,48 1,27 1,56 1,20 1,65 1,12 1,74 1,05 1,84
30 1,35 1,49 1,28 1,57 1,21 1,65 1,14 1,74 1,07 1,83
31 1,36 1,50 1,30 1,57 1,23 1,65 1,16 1,74 1,09 1,83
32 1,37 1,50 1,31 1,57 1,24 1,65 1,18 1,73 1,11 1,82
33 1,38 1,51 1,32 1,58 1,26 1,65 1,19 1,73 1,13 1,81
34 1,39 1,51 1,33 1,58 1,27 1,65 1,21 1,73 1,15 1,81
35 1,40 1,52 1,34 1,58 1,28 1,65 1,22 1,73 1,16 1,80
36 1,41 1,52 1,35 1,59 1,29 1,65 1,24 1,73 1,18 1,80
37 1,42 1,53 1,36 1,59 1,31 1,66 1,25 1,72 1,19 1,80
38 1,43 1,54 1,37 1,59 1,32 1,66 1,26 1,72 1,21 1,79
39 1,43 1,54 1,38 1,60 1,33 1,66 1,27 1,72 1,22 1,79
40 1,44 1,54 1,39 1,60 1,34 1,66 1,29 1,72 1,23 1,79
45 1,48 1,57 1,43 1,62 1,38 1,67 1,34 1,72 1,29 1,78
50 1,50 1,59 1,46 1,63 1,42 1,67 1,38 1,72 1,34 1,77
55 1,53 1,60 1,49 1,64 1,45 1,68 1,41 1,72 1,38 1,77
60 1,55 1,62 1,51 1,65 1,48 1,69 1,44 1,73 1,41 1,77
65 1,57 1,63 1,54 1,66 1,50 1,70 1,47 1,73 1,44 1,77
70 1,58 1,64 1,55 1,67 1,52 1,70 1,49 1,74 1,46 1,77
75 1,60 1,65 1,57 1,68 1,54 1,71 1,51 1,74 1,49 1,77
80 1,61 1,66 1,59 1,69 1,56 1,72 1,53 1,74 1,51 1,77
85 1,62 1,67 1,60 1,70 1,57 1,72 1,55 1,75 1,52 1,77
90 1,63 1,68 1,61 1,70 1,59 1,73 1,57 1,75 1,54 1,78
95 1,64 1,69 1,62 1,71 1,60 1,73 1,58 1,75 1,56 1,78
100 1,65 1,69 1,63 1,72 1,61 1,74 1,59 1,76 1,57 1,78
62
γ γ γ
n 5% 1% n 5% 1% n 5% 1%
5 0,91 - 17 0,48 0,62 29 0,37 0,48
6 0,85 - 18 0,47 0,60 30 0,36 0,47
7 0,78 0,94 19 0,46 0,58 31 0,36 0,46
8 0,72 0,88 20 0,45 0,57 32 0,36 0,45
9 0,68 0,83 21 0,44 0,56 33 0,34 0,45
10 0,64 0,79 22 0,43 0,54 34 0,34 0,44
11 0,61 0,76 23 0,42 0,53 35 0,33 0,43
12 0,58 0,73 24 0,41 0,52 36 0,33 0,43
13 0,56 0,70 25 0,49 0,51 37 0,33 0,43
14 0,54 0,68 26 0,39 0,50 38 0,32 0,41
15 0,52 0,66 27 0,38 0,49 39 0,32 0,41
16 0,50 0,64 28 0,38 0,48 40 0,31 0,40