ВУЗ:
Составители:
-16-
Проведение прямой методом наименьших
квадратов
X 12345678910()XX
T
Y 032547510713()
YY
T
a slope X Y,() b intercept X Y,()
a 1.139= b 0.667=
rx() ax
.
b
0246810
5
0
5
10
15
Y
rx()
Xx
,
Простейший случай подгонки прямой линии к эксперимен-
тальным данным иллюстрируется рис. 10.
Пример 1.10.1.: Пусть имеются экспериментальные данные,
представленные двумя векторами Х – независимая переменная, и
Y – зависимая переменная, имеющая также случайную погреш-
ность. Известно, что зависимость Y(X) линейная. Следует мето-
дом наименьших квадратов подогнать к этим данным прямую.
Рис. 10. Сглаживание (регрессия) массива точек прямой
методом наименьших квадратов
-16-
Простейший случай подгонки прямой линии к эксперимен-
тальным данным иллюстрируется рис. 10.
П р и м е р 1.10.1.: Пусть имеются экспериментальные данные,
представленные двумя векторами Х – независимая переменная, и
Y – зависимая переменная, имеющая также случайную погреш-
ность. Известно, что зависимость Y(X) линейная. Следует мето-
дом наименьших квадратов подогнать к этим данным прямую.
Проведение прямой методом наименьших
квадратов
T
X ( 1 2 3 4 5 6 7 8 9 10 ) X X
Y ( 0 3 2 5 4 7 5 10 7 13 ) T
Y Y
a slope( X , Y ) b intercept( X , Y )
a = 1.139 b = 0.667
r ( x) a .x b
15
10
Y
5
r ( x)
0
5
0 2 4 6 8 10
X ,x
Рис. 10. Сглаживание (регрессия) массива точек прямой
методом наименьших квадратов
Страницы
- « первая
- ‹ предыдущая
- …
- 14
- 15
- 16
- 17
- 18
- …
- следующая ›
- последняя »
