Wyniki wyszukiwana dla hasla korelacja i regresja krzywoliniowa img152 Tabela 8.3 Tablica analizy wariancji dla regresji liniowej z testem naimg154 Tabela 8.5 Tablica analizy wariancji dla regresji liniowej z testem na liniowość (dla danych img155 8.4.1 Test równoległości prostych regresji dla dwóch grup Jeżeli mamy do czynienia z dwoma tyimg157 157 157 * 2x2(1 " fi> (1.4.37) 2 Udzie fj * RxCT0)/x jest unormwanyB współczynnikiem img160 8.4.2 Test równoległości prostych regresji dla kilku grup W przypadku potrzeby porównywaniaimg162 Tablica 8.8 Tablica analizy wariancji dla potrzeb testu równoległości prostych regresji w kilimg164 8.4.3 Badanie odległości pionowej dwóch prostych regresji Następnym pytaniem, które nasuwa siimg170 więc hipotezę o pokrywaniu się prostych regresji można odrzucić twierdząc, że istotność różniimg172 172 Rys. 1.65. Charakterystyki sygnału cyfrowego: a) przebieg funkcji korelacji własnej, b) pimg219 są uśrednionymi wewnątrzgrupowymi rozrzutami i korelacjami. Obie macierze S = [%] i R = (//,,img235 235 Funkcja korelacji własnej sygnału kluczowania (1.5:48) wynosi (procesy x_(t) i x (t) saimg250 12. REGRESJA WIELOKROTNA W licznych badaniach biometrycznych obserwuje się równocześnie wieleimg262 a-4 = -13,363 + 1.004*312.4 Współczynnik korelacji wielokrotnej Do badania jakości uzyskanegoimg263 R2 =R(b^b2, V (12.17) Kwadrat współczynnika korelacji wielokrotnej nazywa się współczynnikiemimg264 Przy interpretacji współczynnika korelacji wielokrotnej należy pamiętać o wielkości próby. Czimg266 Tabela 12.1 Schemat analizy regresji przy hipotezie H0 : (3, = P2 = ••• = Zmienność Liczba img269 W zasadzie wyróżnić można trzy rodzaje procedur wprowadzania zmiennych do modelu regresji: —img270 Krokowe procedury wprowadzania zmiennych niezależnych do liniowego modelu regresji s<| jakimg272 do „zwykłych", czyli niestandaryzowanych współczynników regresji (tzn. występujących w rimg274 Gdy rozpatrujemy cztery cechy, wtedy współczynnik korelacji cząstkowej dwóch z nich (/, i) prWybierz strone: [
7 ] [
9 ]
