Методы предварительного центрирования независимых переменных и регуляризации
Методы предварительного центрирования независимых переменных и регуляризации - раздел Философия, ТЕОРИЯ ЭКСПЕРИМЕНТА В ОМД КОНСПЕКТ ЛЕКЦИЙ ПО КУРСУ «ТЕОРИЯ ЭКСПЕРИМЕНТА» Плохая Обусловленность Информационной Матрицы Особенно Характерна Для Полином...
Плохая обусловленность информационной матрицы особенно характерна для полиномиальной регрессии. В этом случае весьма полезным является предварительное центрирование независимых переменных. Суть метода – в предварительном центрировании факторов хi и только после этого выполняется вычисление базисных функций fj (хi).
Предварительное центрирование осуществляется вычитанием средних арифметических из их наблюдаемых значений:
.
Эта процедура резко уменьшает коэффициенты корреляции между независимыми переменными хi и их степенями хi2, xi3..., а также между х и взаимодействиями, включающими хiхj, хi2хj ... . Однако предварительное центрирование не может помочь, если есть сильная корреляция между линейными эффектами хiи хj, i≠j. В этом случае может помочь метод регуляризации.
Идея метода такова. При плохой обусловленности информационной матрицы МНК-оценки b = (FTF)-1FTyнеустойчивы и обычно очень велики (относительно истинных значений коэффициентов). Для их стабилизации предложено при решении системы нормальных уравнений вместо матрицы FTFиспользовать матрицу (FTF+rI),в которой r - некоторое положительное малое число, I – единичная матрица размером
Планы второго порядка
Если не удается получить приемлемую аппроксимацию экспериментальных данных линейными моделями, то для получения нелинейных по факторам моделей при проведении активных экспериментов используют планы
Центрально-композиционные планы
Если все опыты располагаются симметрично вокруг центра плана (основного уровня), то такие планы называются центральными. Например, план ПФЭ22 (рис.7.2) – симметричен отн
Несимметричные композиционные планы
Несмотря на присущие несимметричным планам недостатки, они представляют практический интерес из-за своей большей экономичности в сравнении с симметричными планами.
Несимметричные планы так
Экспериментов
Данные, полученные с помощью любых планов первого порядка, обрабатываются по общей схеме регрессионного анализа. Однако специфика каждого вида плана позволяет находить частные варианты общих соотно
Статистическая обработка экспериментов второго порядка
В принципе производится по той же схеме, что и результатов экспериментов по планам 1-го порядка. Отличие – в способах вычисления оценок коэффициентов регрессии и свободного члена.
Оценка п
Мультиколлинеарность и ее причины
В соответствии с 5-й предпосылкой классического РА между столбцами матрицы (9.2) не должно быть линейной или корреляционной зависимости. Если хотя бы один из столбцов может быть выражен в виде лине
Выявление мультиколлинеарности
Для получения качественных результатов РА необходимо выявление мультиколлинеарности в ходе РА или возможности ее появления при подготовке и сборе данных.
Внешним признаком мультиколлинеарн
Обработка "плохих" данных
Если в результате эксперимента все же получены данные с мультиколлинеарностью, то можно попытаться получить приемлемую по статистическим качествам модель посредством специальных способов обработки
Регрессионный анализ при наличии ошибок в факторах
Четвертая предпосылка классического РА состоит в том, что факторы Хi эксперимента являются не случайными величинами. Нарушение этой предпосылки является чаще всего встре
В измерении факторов
Известны два подхода к учету ошибок измерения, отличающиеся степенью использования априорной информации об ошибках измерения. Первый подход реализуется в методах инструментальных переменных и в мет
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов