Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Метод наименьших квадратов для функции нескольких переменных
Будем теперь считать, что исследуемая величина у связана некоторым образом с величинами х1, х2, …, хk - входными величинами (факторами), значения каждого из которых могут быть выбраны произвольно из некоторой области. Пусть связь у с х1, х2,..., хk характеризуется зависимостью (видом регрессии у на х1, х2,..., хk). (4.39)
Функцию называют функцией отклика. Эта функция обычно неизвестна экспериментатору, но, обладая некоторой информацией или интуицией, экспериментатор выбирает вид этой функции. Будем брать эту функцию в виде линейно зависящей от нескольких числовых параметров θ 1, θ 2, …, θ m.
(4.40)
Вид функции fi - известен. Обозначим
(4.41)
В векторных обозначениях выражение (4.40) можно записать:
(4.42)
Чтобы получить математическую модель процесса, нужно определить вектор θ в (4.42) (оценить и оценки найти наилучшие в некотором смысле). Доказано, что наилучшие линейные оценки , полученные для , дает метод наименьших квадратов. В выражении (4.42) вектор входит как раз линейно. Есть и другие способы оценки . Заметим, что эти оценки должны быть состоятельными, несмещенными и обладать наименьшими дисперсиями среди всех оценок . Такие оценки и называются наилучшими линейными оценками. Предположим, что в точках (n - разных наборов факторов факторного пространства были проведены независимые измерения y1, y2, …, yn с дисперсиями σ 21, σ 21, …, σ 2n. В дальнейшем будем считать, что y1 - это среднее выборочное значение, а среди нет одинаковых. Нам нужно построить оценку параметров . Известно, что наилучшая линейная оценка минимизирует сумму взвешенных квадратичных отклонений.
(4.43) где . Условия минимума для (4.43) имеют вид
. (4.44)
Откуда, решив систему линейных алгебраических уравнений (4.44), найдем - оценки для θ 1, θ 2, …, θ m. Подставляя эти значения в (4.42), найдем аналитическую зависимость у от х1, х2,..., xk, т. е. математическую модель исследуемого экспериментально процесса.
|