Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Введемо наступні позначення: – вектор вихідних змінних системи, що моделюються; – вектор вхідних параметрів, які контролюються.
В постановці задачі регресійного аналізу – деяка випадкова величина, яка змінюється навколо невідомого параметру
, (6.5)
де - випадкова флуктуація.
Як правило регресійна модель зв¢язує два параметри. Щоб побудувати регресійну модель, необхідно встановити факт існування зв¢язку між досліджуваними параметрами, який підтверджується кореляційним моментом (коваріацією). З точки зору статистики коваріація може бути визначена
, (6.5)
де - математичне очікування значення змінних і .
Величина коваріації дозволяє знайти коефіцієнт кореляції
, (6.6)
де - середньоквадратичні похибки у визначенні змінних і .
Вважають, що, якщо , то зв¢язок між випадковими величинами і досить імовірний. В такому випадку можна побудувати рівняння регресії у вигляді
. (6.7)
Нехай в площині маємо набір точок . Ці точки, як правило, не лежать на одній прямій лінії в силу випадковості вимірювань, тому формула рівняння регресії є наближеною (рисунок 6.5).
Рисунок 6.5 – Лінія регресії.
Задача зводиться до визначення коефіцієнтів і . Найпростіше це зробити за методом найменших квадратів, суть якого полягає в тому, що треба вибрати таку лінію, сума квадратів віддалей усіх точок від якої буде мінімальною. Згідно з цим методом мінімізуємо суму
, (6.8)
де - задані числа.
Щоб мінімізувати суму знаходимо похідні
, (6.9)
. (6.10)
Прирівнюючи ці похідні до нуля, одержимо систему рівнянь для визначення коефіцієнтів і
, (6.11)
, (6.12)
звідки
, (6.13)
. (6.14)
Для оцінки точності регресійного аналізу визначають середньоквадратичну похибку і коефіцієнт варіації.
Дата публикования: 2015-03-26; Прочитано: 221 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!