- построить 3 уравнения линейной регрессии, последовательно увеличивая число факторных переменных от одной до 3; - определить оценки параметров в уравнениях регрессии; - определить качество полученных уравнений регрессии и их статистическую значимость; - оценить статистическую значимость параметров регрессии; - построить графики остатков для полученных регрессий; - выбрать лучшую модель; - для этой модели рассчитать нормированные коэффициенты j По каждому пункту сделать выводы. В качестве независимой переменной используйте X1 (Изображение 1)

Адекватность.

Объяснение:

Моделирование всегда предполагает принятие допущений той или иной степени важности. При этом должны удовлетворяться следующие требования к моделям:

а) адекватность, то есть соответствие модели исходной реальной системе и учет, прежде всего, наиболее важных качеств, связей и характеристик. Оценить адекватность выбранной модели, особенно, например, на начальной стадии проектирования, когда вид создаваемой системы ещё неизвестен, очень сложно. В такой ситуации часто полагаются на опыт предшествующих разработок или применяют определенные методы, например, метод последовательных приближений;

б) точность, то есть степень совпадения полученных в процессе моделирования результатов с заранее установленными, желаемыми. Здесь важной задачей является оценка потребной точности результатов и имеющейся точности исходных данных, согласование их как между собой, так и с точностью используемой модели;

в) универсальность, то есть применимость модели к анализу ряда однотипных систем в одном или нескольких режимах функционирования. Это позволяет расширить область применимости модели для решения большего круга задач;

г) целесообразная экономичность, то есть точность получаемых результатов и общность решения задачи должны увязываться с затратами на моделирование. И удачный выбор модели, как показывает практика, - результат компромисса между отпущенными ресурсами и особенностями используемой модели и др.