МЕТОД НАИМЕНЬШИХ КВАДРАТОВ ДЛЯ ПРЯМОЙ ЛИНИИ

При обработке наблюдений широко применяется метод наименьших квадратов (МНК). Его суть изложим на частном примере прямой линии.

Пусть на плоскости хоу дано n точек: (х1 ; у1) , (х2; у2) , … , ( xn ; yn ).

Среди всех прямых линий у=ах+b на плоскости мы ищем наиболее близкую к данной системе точек, причем близость измеряем суммой S квадратов отклонений:

, (25)

где - отклонение вдоль оси y i–той точки от прямой [δ1>0, если точка (x1; y1) лежит над прямой ], S – сумма квадратов указанных отклонений по всем n точкам.

Из всех прямых наилучшей в смысле метода наименьших квадратов будет такая прамая , для которой сумма S минимальна.

Если приравнять нулю производные и , то получим систему двух линейных по а и b уравнений, из которых в конечном счете можно найти решение:

(26)

(27)

где и - среднее арифметическое, знак означает - суммирование по всем точкам.

.

 

Как видим, для углового коэффициента МНК - прямой в (26) даны три эквивалентных формулы.

Подставив из (27) выражение для в формулу , получим уравнение МНК-прямой

(28)

откуда видно, что , т.е. эта прямая всегда проходит через точку ( ), являющуюся центром тяжести данной системы точек.

 

Пример 32. Для данных в таблице 13 пяти точек найти МНК - прямую и сумму квадратов отклонений от нее.

 

Таблица 13

Обработка данных для нахождения МНК-прямой

N точ­ки   x1   y1   Δx1 y1Δx1   (Δx1)2   f(x1)    
    2,5   -1,8   -4,4   3,24   2,45   0,05   0,0025  
    2,2   -0,8   -1,76   0,64   2,0   0,2   0,04  
      1,2   1,2   1,44   1,1   -0,1   0,01  
    0,7   2,2   1,54   4,84.   0,65   0,05   0,0025  
    1,8   1,8   -1,44   0,64   2,0   -0,2   0.04  
    8, 2     -4,86   10,8   -     0,095  

 

n=5; ; ;

МНК – прямая

Для контроля полезны суммы : и .

 

Метод наименьших квадратов применим не только к прямой, но и к широкому классу функций не только на плоскости, но и в прост­ранстве. Как и во всей статистике, здесь важна интерпретация (ис­толкование) полученных результатов. Это возможно лишь в рамках принятой вероятностной модели. Поэтому нужно описать принимаемую модель. Например, если мы принимаем, что обрабатываемые точки для системы двух нормальных сл.величин {X, Y) (т.e. [x1; y1 ) - реали­зации двумерной нормальной сл.величины (X;Y)), то полученная МНК - прямая будет оценкой регрессии Y на Х, а ее угловой коэффициент выражается через отношение стандартных отклонений и выборочный коэффициент корреляции где sx2 и sy2 - выборочные дисперсии для X и Y.








Дата добавления: 2016-02-27; просмотров: 2383;


Поиск по сайту:

При помощи поиска вы сможете найти нужную вам информацию.

Поделитесь с друзьями:

Если вам перенёс пользу информационный материал, или помог в учебе – поделитесь этим сайтом с друзьями и знакомыми.
helpiks.org - Хелпикс.Орг - 2014-2024 год. Материал сайта представляется для ознакомительного и учебного использования. | Поддержка
Генерация страницы за: 0.005 сек.