ВУЗ:
Составители:
распределения F(x,y) является функцией двух переменных и
т.д. Использование условных функций распределения в
практических случаях обычно затруднительно. Поэтому на
практике обычно пользуются условными средними m
y
и
условными дисперсиями σ
y
2
. Зависимость дисперсии σ
y
2
от
параметра x называется скедатической зависимостью.
Используется эта зависимость редко. На практике, если
дисперсии однородны, их усредняют. Зависимость условного
среднего m
y
от x называется регрессией.
При обработке эксперимента находят уравнение
приближенной регрессии. Оценивая при этом величину и
вероятность этой приближенности. Задача ставится таким
образом: по данной выборке объема n найти уравнение
приближенной регрессии и оценить допускаемую при этом
ошибку. Эта задача решается методами корреляционного и
регрессионного анализа.
Уравнение приближенной регрессии существенно
зависит от выбираемого метода приближения. В качестве
такого метода обычно выбирают метод наименьших
квадратов. Пусть задан некоторый класс функций f(x),
накладывающих на выборку одинаковое число связей l. Число
связей l равно числу неопределенных коэффициентов,
входящих в аналитическое выражение этой функции. Чаще
всего используют многочлены различной степени. Наилучшее
уравнение приближенной регрессии дает та функция и из
рассматриваемого класса, для которой сумма квадратов
имеет наименьшее значение.
Задача определения параметров уравнения регрессии
сводится практически к определению минимума функции
многих переменных. Если
[]
∑
=
−=
n
i
ii
xfyФ
1
2
)(
y =f(x, b
0
,b
1
,b
2
...,b
n
) (2.2)
есть функция дифференцируемая и требуется выбрать b
0
, b
1
,
b
2
, ...b
n
так, чтобы
Ф=Σ[y
i
- f(x
i
, b
0
,b
1
,b
2
...,b
n
)]
2
= min, (2.3)
необходимым условием минимума Ф(b
0
,b
1
,b
2
...,b
n
) является
выполнение равенств
∂Ф ∂Ф ∂Ф
----- = 0; -------- = 0; . . . ----- = 0 (2.4)
∂b
0
∂b
1
∂b
n
или
n
∂f(x
i
)
Σ2[y
i
- f(x
i
, b
0
,b
1
,b
2
...,b
n
)] ------- = 0,
i=1
∂b
0
n
∂f(x
i
)
Σ2[y
i
- f(x
i
, b
0
,b
1
,b
2
...,b
n
)] ------- = 0, (2.5)
i=1
∂b
1
............................................................
n
∂f(x
i
)
Σ2[y
i
- f(x
i
, b
0
,b
1
,b
2
...,b
n
)] ------- = 0.
i=1
∂b
n
После преобразования
∂f(x
i
) ∂f(x
i
)
Σy
i
------ - Σ f(x
i
, b
0
,b
1
,b
2
...,b
n
)] ------ = 0,
∂b
0
∂b
0
∂f(x
i
) ∂f(x
i
)
Σy
i
------ - Σ f(x
i
, b
0
,b
1
,b
2
...,b
n
)] ------ = 0, (2.6)
∂b
1
∂b
1
.............................................................................
распределения F(x,y) является функцией двух переменных и y =f(x, b0,b1,b2 ...,bn) (2.2) т.д. Использование условных функций распределения в практических случаях обычно затруднительно. Поэтому на есть функция дифференцируемая и требуется выбрать b0, b1, практике обычно пользуются условными средними my и b2, ...bn так, чтобы условными дисперсиями σy2. Зависимость дисперсии σy2 от параметра x называется скедатической зависимостью. Ф=Σ[yi - f(xi, b0,b1,b2 ...,bn )]2= min, (2.3) Используется эта зависимость редко. На практике, если необходимым условием минимума Ф(b0,b1,b2 ...,bn) является дисперсии однородны, их усредняют. Зависимость условного выполнение равенств среднего my от x называется регрессией. ∂Ф ∂Ф ∂Ф При обработке эксперимента находят уравнение ----- = 0; -------- = 0; . . . ----- = 0 (2.4) приближенной регрессии. Оценивая при этом величину и ∂b0 ∂b1 ∂bn вероятность этой приближенности. Задача ставится таким или образом: по данной выборке объема n найти уравнение n ∂f(xi) приближенной регрессии и оценить допускаемую при этом Σ2[yi - f(xi, b0,b1,b2 ...,bn)] ------- = 0, ошибку. Эта задача решается методами корреляционного и i=1 ∂b0 регрессионного анализа. Уравнение приближенной регрессии существенно ∂f(xi) n зависит от выбираемого метода приближения. В качестве Σ2[yi - f(xi, b0,b1,b2 ...,bn)] ------- = 0, (2.5) такого метода обычно выбирают метод наименьших i=1 ∂b1 квадратов. Пусть задан некоторый класс функций f(x), ............................................................ накладывающих на выборку одинаковое число связей l. Число связей l равно числу неопределенных коэффициентов, n ∂f(xi) входящих в аналитическое выражение этой функции. Чаще Σ2[yi - f(xi, b0,b1,b2 ...,bn)] ------- = 0. i=1 всего используют многочлены различной степени. Наилучшее ∂bn уравнение приближенной регрессии дает та функция и из После преобразования n Ф = ∑ [ y i − f ( xi )] 2 ∂f(xi) ∂f(xi) i =1 Σyi ------ - Σ f(xi, b0,b1,b2 ...,bn)] ------ = 0, рассматриваемого класса, для которой сумма квадратов ∂b0 ∂b0 имеет наименьшее значение. ∂f(xi) ∂f(xi) Задача определения параметров уравнения регрессии сводится практически к определению минимума функции Σyi ------ - Σ f(xi, b0,b1,b2 ...,bn)] ------ = 0, (2.6) многих переменных. Если ∂b1 ∂b1 .............................................................................
Страницы
- « первая
- ‹ предыдущая
- …
- 3
- 4
- 5
- 6
- 7
- …
- следующая ›
- последняя »