Маркетинговой фирмой собраны данные, представленные в таблице, отражающие зависимость спроса от цены на некоторый товар.
Линейное уравнение регрессии, построенное на основе данных приняло вид: ŷ = −4188,7 + 50,37 • x.
Чему равна ошибка аппроксимации? (Ответ округлить до целых).

• 21 %
• 14 %
• 11 %

Другие предметы Университет Регрессия и корреляция специальная математика основы статистики университет линейная регрессия ошибка аппроксимации анализ данных спрос и цена математические модели статистические методы учебные материалы Новый

Для того чтобы найти ошибку аппроксимации линейной регрессии, нам необходимо выполнить несколько шагов. Ошибка аппроксимации, или коэффициент детерминации (R²), показывает, насколько хорошо модель объясняет вариацию зависимой переменной. Однако в данном случае у нас нет конкретных данных для расчета, поэтому мы используем общую методику.

1. Соберите необходимые данные: Вам нужны значения фактического спроса (Y) и предсказанные значения спроса (ŷ) на основе уравнения регрессии.
2. Вычислите среднее значение фактического спроса: Найдите среднее значение всех наблюдений Y.
3. Вычислите общую сумму квадратов (SST):
   • Для этого используйте формулу: SST = Σ(Yi - Yсреднее)², где Yi - фактические значения спроса.
4. Вычислите сумму квадратов ошибок (SSE):
   • Используйте формулу: SSE = Σ(Yi - ŷi)², где ŷi - предсказанные значения спроса по уравнению регрессии.
5. Вычислите R²:
   • Используйте формулу: R² = 1 - (SSE / SST).
6. Переведите R² в процент: Умножьте R² на 100, чтобы получить процент объясненной вариации.
7. Определите ошибку аппроксимации: Ошибка аппроксимации будет равна 100% - R².

К сожалению, без конкретных данных о спросе и цене, мы не можем провести точные вычисления. Но если вы подставите свои данные в указанные формулы, вы сможете найти ошибку аппроксимации. Варианты ответов, которые вы предоставили (21%, 14%, 11%), могут быть результатом ваших расчетов.