Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Сущность метода наименьших квадратов
Уравнение приближенной регрессии существенно зависит от выбранного метода приближения. Пусть задан некоторый класс функций (базисных функций). Например, в качестве базисных функций могут использоваться степенные функции:
(2.1)
Критерием приближения в методе наименьших квадратов является функция: (2.2)
Здесь объем выборки; экспериментальное значение выходной величины в ом опыте; значение аппроксимирующей функции в ом опыте. Решение задачи аппроксимации табличной экспериментальной зависимости по выше приведенному критерию метода наименьших квадратов сводится к поиску таких значений параметров аппроксимирующей функции (2.3)
при которых критерий оптимизации будет принимать минимальное значение. Таким образом, критерий оптимизации можно записать в виде:
(2.4)
Необходимым и достаточным условием минимума функции , является выполнение условий:
. (2.5)
Частные производные будут иметь вид:
(2.6)
После преобразования уравнения будут иметь вид:
(2.7)
Это система нормальных уравнений. Поскольку выполняется условие , должен существовать хотя бы один минимум функции . Поэтому, если система уравнений имеет единственное решение, которое обеспечивает единственный минимум функции . При изучении зависимости от одной переменной полезно для выбора вида уравнения регрессии построить эмпирическую кривую регрессии, рисунок 2.1. Для этого весь диапазон изменения на поле корреляции разбивается на интервалов . Все точки, попавшие в интервал , относят к его середине. Тогда подсчитываются частные средние для каждого интервала, то есть (2.8)
Рисунок 2.1. Эмпирическая кривая регрессии
Здесь число точек в ом интервале; объем выборки. (2.9) Полученные точки последовательно соединяют отрезками прямой. Такая ломаная линия называется эмпирической линией регрессии от [3]. По виду эмпирической зависимости можно подобрать уравнение регрессии
Линейная регрессия Пусть необходимо определить коэффициенты и для линейной регрессии по методу наименьших квадратов: (2.10) по выборке объема Критерий оптимизации и частное производные от него представлены в виде:
(2.11)
Система нормальных уравнений при этом будет иметь вид:
(2.13)
В матричной форме данная система имеет вид:
(2.14)
Решение данной системы уравнений может быть представлено, как
(2.15)
Из уравнения (2.16)
получается, что коэффициент и связаны следующим уравнением
(2.17)
Это уравнение показывает, что между и существует корреляционная зависимость. Для оценки силы корреляционной связи вычисляется выборочный коэффициент корреляции , который оценивается по формуле:
(2.18)
После того, как уравнение регрессии найдено, необходимо провести статистический анализ результатов. Этот результата заключается в проверке значимости коэффициентов регрессии и адекватности уравнения. Такое исследование называется регрессионным анализом. При этом принимаются следующие допущения: 1. Фактор определяется с пренебрежимо малой ошибкой по сравнению с ошибкой в определении Большая ошибка объясняется наличием в каждом процессе не выявленных факторов, не вошедших в уравнение регрессии. 2. Значения независимые нормально распределенные случайные величины. 3. Выборочные дисперсии с опытами, которые повторены () раз, однородны. Однородность дисперсий проверяется по критериям Кохрена или Бартлетта. Оценка значимости коэффициентов производится по критерию Стьюдента. Для этого вычисляется оценка дисперсии коэффициента регрессии . Затем, вычисляется расчетный коэффициент Стьюдента по формуле:
(2.19)
Величина определяется по закону накопления ошибок вида: (2.20)
Если выборочные дисперсии однородны, то
(2.21)
Незначимые коэффициенты исключаются из уравнения регрессии. Остальные коэффициенты необходимо пересчитать заново, поскольку они коррелированны друг с другом. Адекватность модели (уравнения) проверяется по критерию Фишера:
(2.22)
Сумма квадратов адекватности Число степеней свободы дисперсии адекватности (2.23)
Здесь число степеней свободы, связанное с остаточной дисперсией; число степеней свободы, связанное с дисперсией воспроизводимости;
объем выборки; количество коэффициентов в уравнении регрессии. Сумма квадратов, связанная с дисперсией воспроизводимости:
(2.24)
Дисперсия воспроизводимости вычисляется по формуле:
(2.25) или (2.26)
Остаточная сумма квадратов вычисляется по формуле:
(2.27)
или
(2.28)
Если то уравнение регрессии можно считать адекватным моделируемому объекту.
|
||||||
Последнее изменение этой страницы: 2017-02-08; просмотров: 264; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.21.76.0 (0.022 с.) |