Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Одномерная линейная регрессия:
В этом случае функциональная зависимость ищется в виде прямой зависимости, имеющей одну переменную.
Одномерная нелинейная регрессия:
В этом случае зависимость может быть любая, кроме линейной, но зависимая переменная одна.
Многомерная регрессия:
Здесь рассматриваются несколько переменных.
Математический метод, который обеспечивает такую подгонку кривой, при которой экспериментальные точки ложатся на нее наилучшим образом в смысле критерия наименьших квадратов, называется регрессионным анализом.
В схеме регрессионного анализа предполагается, что независимая переменная x является неслучайной функцией, значения которой задаются заранее перед началом наблюдений за системой. Зависимая переменная y -это СВ.
Обычно к этому приводят 2 предположения:
1) x измеряется без ошибок (или ими можно пренебречь), а при измерении y имеются случайные ошибки;
2) y зависит не только от x, но и от ряда неконтролируемых факторов. В этом случае нас интересует лишь среднее значение y при заданном x, т.е. функциональная зависимость y от x:
M [ y / x ] = f [ x, a0, a1,...] (11.1)
Алгоритм реализации регрессионного анализа:
1. Сбор данных и представление этих данных в виде прямоугольной таблицы значений;
x x1 x2... xN
y y1 y2... yN табл. 11.1
2. Данные из табл. 25.1 представляются в виде поля разброса в системе координат (x, y)
y
yN y = a0 + a1x
.
y2 .
y1.
x1 x2 xN x
3. По виду поля разброса (этап 2) подбирается вид функциональной зависимости (кривая).
Этот этап субъективен.
а) линейная зависимость:
y
y = a0 + a1x
a1 > 0 a1 < 0
x
б) квадратичная зависимость:
y = a0 + a1x + a2x2
a2 > 0 a2 < 0
в) кубическая зависимость:
y = a0 + a1x + a2x2 + а3x3
а3 > 0 a3 < 0
г) парабола n-ой степени:
y = a0 + a1x + a2x2 + а3x3 +... + anxn
д) логарифмическая кривая:
y = a0 + a1 lg x
a1 > 0
a1 < 0
е) показательная зависимость:
y = a0ea1x
a1 > 0
a1 < 0
ж) кубическая логарифмическая кривая:
lg y = a0 + a1 lg x
з) зависимость между затратами ресурсов и результатами производственной деятельности может быть представлена в следующем виде:
y = a0x1a1x2a2, где
x1, x2 -затраты по определенным компонентам;
y - результат производственной деятельности;
а0, а1, а2 - const
и) линейная производственная функция:
y = a0 + a1x1 + a2x2 +..., где
x1и x2 соответствующие затраты ресурсов;
ai - норма расхода соответствующих ресурсов, либо среднее значение величины расхода того или иного ресурса.
При подборе кривых помогает анализ вычисления разностей различных порядков y и x.
1) если отношение (Dy / Dx)» const, то y = a0 + a1x;
2) если отношение (D lg y / Dx)» const, то в качестве функциональной зависимости выберем y = a0xa1;
3) если отношение (D lg y / D lg x)» const, то y = a0a1x;
4) если отношение (D (x/y) / Dy)» const, то y = x / (a0 + a1x);
5) если отношение (D2 y / D2 x)» const, то y = a0 + a1x2
Мы можем осуществить выбор кривой по скорости изменения первой производной и по ускорению. Могут быть еще сезонные или периодические составляющие ряда, они аппроксимируются гармоническими функциями.
4. На этом этапе определяются коэффициенты функциональной зависимости (параметры). Этот этап реализуется с помощью метода наименьших квадратов (МНК).
Суть МНК:
МНК - это соотношение (11.2):
S = d12 + d22 +... + dn2 (11.2)
di = [ yi’ - (a0 + a1xi )]2
n
S = å [ yi’ - (a0 + a1xi )]2 ® min
i=1
n
dS/da0 = 2 å [ yi’ - (a0 + a1xi )] [-1] = 0
i=1
n (11.3)
dS/da1 = 2 å [ yi’ - (a0 + a1xi )] [-xi] = 0
i=1
Решая (11.3) относительно а0и а1, получим:
å yi’ å xi2 - å xi å yi’ xi
a0 = (11.4)
n å xi2 - (å xi)2
å xi yi’ - å xi å yi’
a1 = (11.5)
n å xi2 - (å xi)2
5. Оценка прогноза (функциональной зависимости). Здесь может быть использован критерий Фишера или остаточная дисперсия.
Дата публикования: 2015-11-01; Прочитано: 241 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!