Реферат Курсовая Конспект
Построение уравнения регрессии - раздел Образование, Методы регрессионного анализа Пусть Из Каких-Либо Соображений Выбран Класс Функций Y, Которому Принадлежит ...
|
Пусть из каких-либо соображений выбран класс функций Y, которому принадлежит функция регрессии
y = f(x). (9.2.6)
Эта функция определяется также и вектором числовых параметров
(a0, a1,…, ak)т = A<k+1>. (9.2.7)
Поэтому выражение (9.2.6) можно представить в виде
y = f(x; a0, a1,…, ak) = f(x; A<k+1>). (9.2.8)
Построение уравнения регрессии сводится к решению задачи оценивания параметров (9.2.7), которые называются коэффициентами регрессии. Эта задача может быть решена на основе ряда принципов, являющихся базовыми для статистических методов обработки данных. В практике исследований наиболее широкое применение имеет подход, опирающийся на принцип максимального правдоподобия и, в частности, подход, использующий метод наименьших квадратов.
В соответствии с данным методом задача сводится к получению подходящей оценки вектора A<k+1>, минимизирующей сумму квадратов отклонений (невязок) наблюдаемых значений результата от выборочной функции регрессии. Указанные невязки представляются выражением
, . (9.2.9)
Следовательно, необходимо найти минимальное значение величины
. (9.2.10)
Рассмотрим только случай, когда функция регрессии (9.2.8) является линейной относительно оцениваемых параметров:
.
(9.2.11)
Тогда оценки математических ожиданий результата определяются из выражения
. (9.2.12)
Принимая во внимание (9.2.12), соотношение (9.2.10) можно записать в виде
.
Следовательно, оценки должны быть таковы, чтобы выполнялось условие
. (9.2.13)
Из раздела 8 следует, что для нахождения минимума суммы квадратов невязок (9.2.13) необходимо составить систему нормальных уравнений вида (8.2.10). При условии, что используется функция регрессии (9.2.11), указанная система записывается следующим образом:
(9.2.14)
В уравнениях (9.2.14) учтено, что
(9.2.15)
В выражении (9.2.15) использованы правила дифференцирования сложной функции многих переменных. Поскольку частная производная (9.2.15) приравнивается к нулю, имеем
. (9.2.16)
Обе части уравнения (9.2.16) умножаем на –2 и, таким образом, получаем j-е уравнение системы (9.2.14):
.
Выполняем почленное суммирование в уравнениях (9.2.14), слагаемые, содержащие yi переносим в правую часть, затем умножаем на –1 обе части каждого уравнения.
В результате получаем систему
(9.2.17)
Уравнения (9.2.17) представляют собой систему линейных уравнений относительно оценок . Следовательно, она решается любым из методов решения систем таких уравнений.
Например, оценки коэффициентов регрессии могут быть найдены по формулам Крамера:
, (9.2.18)
где | A | – определитель коэффициентов при неизвестных системы (9.2.17); | Aj |, – определители, которые формируются на основе определителя | A | путём замены j-го столбца столбцом свободных членов.
Таким образом, развёрнутый вид данных определителей будет следующим:
;
;
;
.
Запишем систему уравнений (9.2.17) в матричной форме:
, (9.2.19)
где ;
; .
Умножим слева обе части матричного уравнения (9.2.19) на квадратную матрицу :
.
Далее учитываем, что
, ,
где E = E[k+1] – единичная матрица порядка k+1.
Окончательно получаем выражение для вычисления оценок искомых параметров:
. (9.2.20)
Рассмотренный выше метод определения оценок коэффициентов регрессии без каких-либо изменений применим и в модели РА-2. Однако при этом необходимо учитывать то обстоятельство, что в модели РА-1 зависимость между и x является односторонней. При рассмотрении же модели РА-2 исследователь сталкивается со взаимностью зависимости между и . Поэтому в последнем случае правомерна формулировка задач двух типов.
1. Исследование зависимости от и построение уравнения регрессии на :
.
2. Исследование зависимости на и построение уравнения регрессии на :
,
где – оценки коэффициентов регрессии.
– Конец работы –
Эта тема принадлежит разделу:
На сайте allrefs.net читайте: "Методы регрессионного анализа"
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Построение уравнения регрессии
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов