![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Основные виды уравнений парной регрессии и методы определения их параметров
Выбор формулы связи (вида уравнения) называется спецификацией уравнения регрессии. Перечислим основные виды уравнений парной регрессии: § Линейная зависимость § Гиперболическая зависимость § Степенная зависимость § Логарифмическая зависимость § Полиномиальная зависимость § Тригонометрическая зависимость Определение параметров уравнения регрессии называется параметризацией. Для определения неизвестных параметров уравнения регрессии обычно применяют метод наименьших квадратов (МНК). Рассмотрим функцию вида Алгоритм применения МНК 1. Строится целевая функция 2. Находится система уравнений для определения неизвестных параметров Согласно МНК для нахождения параметров полинома p -ой степени необходимо решить систему так называемых нормальных уравнений: Решение этой системы относительно
Линейная зависимость Для определения неизвестных параметров линейной зависимости методом наименьших квадратов необходимо решить следующую систему нормальных уравнений:
Пусть d, da, db – определители, соответствующие системе уравнений (3), а именно:
Тогда неизвестные коэффициенты уравнения регрессии
Другое решение системы (3). Из первого уравнения следует:
Подставив значения а и b в формулу
Гиперболическая зависимость При гиперболической зависимости
Степенная зависимость Для определения параметров a и b степенной зависимости Пусть Применив к зависимости МНК, находим Определители d, da*, db относятся к системе уравнений
Значение а находим в результате потенцирования a = ea*, значение b из соотношения b = db / d.
Логарифмическая зависимость Для определения параметров a и b при заданной зависимости
Параболическая зависимость Алгоритм применения МНК для параболической зависимости второго порядка
Система преобразуется к виду: Решение системы нормальных уравнений относительно неизвестных параметров a, b, c можно найти, как и при линейной зависимости, с помощью определителей:
Алгоритм применения МНК для параболической зависимости третьего порядка
Система преобразуется к виду: Решение системы нормальных уравнений относительно неизвестных параметров a, b, c, d можно найти, как и при линейной зависимости, с помощью определителей:
Тригонометрическая зависимость Уравнение регрессии этого вида является приближением функции y (х), которое тем точнее, чем больше значение m (m - число гармоник, количество составляющих исследуемого процесса). Поэтому при различных значениях m получаются различные виды тригонометрической зависимости. Значения неизвестных параметров a0, ak, bk ( Для этого строится целевая функция:
Получается система нормальных уравнений. Эта система обладает свойством ортогональности. В результате решения системы получим: Если в качестве фактора xi рассматривается фактор времени (например, при построении тригонометрического тренда), то xi заменяем на величину Таблица 1.
Например, при k=1 тригонометрический тренд имеет вид: Если объем выборки N больше 12 месяцев, то Если увеличивается число коэффициентов в уравнении регрессии при параболической и тригонометрической зависимости, то увеличится точность аппроксимации, но уменьшится значимость в результате увеличения дисперсии При нелинейной зависимости определение тесноты связи между двумя случайными величинами х и y производится с помощью корреляционного отношения
|