Статистические методы и модели. Костин В.Н - 52 стр.

UptoLike

Составители: 

Рубрика: 

52
jjэj
yye
=
,
где y
jэ
величина выходного параметра системы, полученная
по результатам эксперимента в j-м опыте;
j
y величина выходного параметра системы, рассчитан-
ная для j-го опыта по подобранной математической
модели (3.6).
Целесообразно так подобрать математическую модель, чтобы по всем
опытам выполнялось условие
=
=
N
j
j
e
1
min . (3.8)
Однако, чтобы избежать выполнения данного условия из-за взаимного
погашения слагаемых с различными знаками, следует взять условие
=
=
N
j
j
e
1
min)(
2
. (3.9)
Таким образом, мы пришли к методу наименьших квадратов:
=
==Φ
N
j
jjэ
yy
1
min)(
2
. (3.10)
Выражение (3.10) минимизирует сумму квадратов остатков или невя-
зок, которые вызываются двумя причинами: отличием оценок b
i
от истинных
параметров
β
i
и наличием аддитивной помехи ε.
Если в выражении (3.10) функция Ф есть дифференцируемая функция
по всем своим параметрам b
i
и требуется так подобрать данные параметры,
чтобы выполнялось условие минимума, то необходимым условием этого будет
являться равенство нулю ее частных производных по всем параметрам b
i
:
0...,;0;0
10
=
=
=
i
b
Ф
b
Ф
b
Ф
. (3.11)
Эти равенства можно рассматривать как уравнения относительно неиз-
вестных параметров
b
0
, b
1
, ..., b
i
, ..., b
k
, которые в математической статистике
принято называть "системой нормальных уравнений". Так как функция 0
Φ
при любых значениях
b
i
, то у нее обязательно существует хотя бы один мини-
мум. Используя правила дифференцирования, системе уравнений (3.11) обыч-
но придают несколько иной вид:
                                  e j = y jэ − y j ,

       где         yjэ –   величина выходного параметра системы, полученная
                              по результатам эксперимента в j-м опыте;
                   yj –    величина выходного параметра системы, рассчитан-
                           ная для j-го опыта по подобранной математической
                           модели (3.6).

      Целесообразно так подобрать математическую модель, чтобы по всем
опытам выполнялось условие
                                       N
                                    ∑
                                    j =1
                                         e j = min .                        (3.8)


      Однако, чтобы избежать выполнения данного условия из-за взаимного
погашения слагаемых с различными знаками, следует взять условие
                                 N
                                 ∑
                                 j =1
                                      (e j ) 2 = min .                      (3.9)


       Таким образом, мы пришли к методу наименьших квадратов:
                                N
                           Φ = ∑ ( y jэ − y j ) 2 = min .                  (3.10)
                                j =1



       Выражение (3.10) минимизирует сумму квадратов остатков или невя-
зок, которые вызываются двумя причинами: отличием оценок bi от истинных
параметров βi и наличием аддитивной помехи ε.
       Если в выражении (3.10) функция Ф есть дифференцируемая функция
по всем своим параметрам bi и требуется так подобрать данные параметры,
чтобы выполнялось условие минимума, то необходимым условием этого будет
являться равенство нулю ее частных производных по всем параметрам bi:

                     ∂Ф                ∂Ф                ∂Ф
                         = 0;              = 0; ...,         = 0.          (3.11)
                     ∂b0               ∂b1               ∂bi

      Эти равенства можно рассматривать как уравнения относительно неиз-
вестных параметров b0, b1, ..., bi, ..., bk, которые в математической статистике
принято называть "системой нормальных уравнений". Так как функция Φ ≥ 0
при любых значениях bi, то у нее обязательно существует хотя бы один мини-
мум. Используя правила дифференцирования, системе уравнений (3.11) обыч-
но придают несколько иной вид:


                                                                              52