![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Метод наименьших квадратов. Допустим, что результаты эксперимента представлены в виде табл
Допустим, что результаты эксперимента представлены в виде табл. 5.1. И уравнение регрессии записывается в виде (5.11), т.е. зависит от (m +1) параметра Эти параметры и определяют расположение графика уравнения регрессии относительно экспериментальных точек Mi (xi, yi), i= 1, 2 ,.., n (рис.5.2). Однако эти параметры определяются не однозначно. Требуется подобрать параметры так, чтобы график уравнения регрессии был расположен «как можно ближе» к системе этих экспериментальных точек. Введем понятие отклонения значения уравнения регрессии (5.11) от табличного значения yi для xi : , i= 1, 2 ,.., n. Рассмотрим сумму квадратов отклонений, которая зависит от(m +1) параметра Согласно МНК [3, 6] наилучшими коэффициентами ai (i =0, 1,.., m) являются те, которые минимизирует сумму квадратов отклонений, т.е. функцию Используя необходимые условия экстремума функции нескольких переменных, получим так называемую нормальную систему для определения неизвестных коэффициентов Для аппроксимирующей функции (5.11) система (5.14) является системой линейных алгебраических уравнений относительно неизвестных Возможны случаи: 1. Если 2. Если m=n –1, то существует только один многочлен (5.11), минимизирующий функцию (5.13). Будем считать, что m< n–1. Чем меньше m, тем проще эмпирическая формула, но это не всегда лучше. Необходимо помнить, что полученная эмпирическая формула должна быть адекватной изучаемому объекту.
|