Регрессионный анализ: определение, уравнение регрессии, факторы, параметры, отклик. Метод наименьших квадратов. Решение уравнения МНК в матричной форме.
Регрессионный анализ – статистический метод исследования или влияния от одной или нескольких зависимых переменных на зависимую переменную.
Уравнение регрессии представляет собой бесконечный ряд:
y = a0 + a1x1 + a2x21 + a3x1x2 + …
(y – отклик (зависимая переменная), x – факторы, a – параметры регрессии)
Поиск линии регрессии осуществляется с использованием метода наименьших квадратов, когда минимизируется остаточная сумма квадратов (S):
S = (N – объём выборки, yi – экспериментальное значение отклика, yi ср. – расчётное значение).
Если S → min, то:
Параметру a0 добавим фактор x0, равный во всех случаях 1:
Дифференцируем остаточную сумму квадратов по a0:
Разделяем переменные:
Дифференцируя аналогичным образом S по a1 и a2, получаем:
В итоге получаем три уравнения с тремя неизвестными коэффициентами регрессии. Данную систему уравнений удобнее решать в матричном виде. Для этого введём матрицу X, представляющую собой вектор-строку:
И матрицу, представляющую собой транспонированную матрицу X:
– матрица, похожая на правую часть полученной системы уравнений. Такую матрицу называют информационной.
Чтобы в информационной матрице появились коэффициенты a, умножим её на вектор-столбец A:
Чтобы получить левую часть системы уравнений, вводим матрицу Y, содержащую значения откликов:
Тогда:
Отсюда получим основное уравнение метода наименьших квадратов для системы из N факторов:
Выразим из него искомую матрицу параметров:
Дата добавления: 2021-09-07; просмотров: 79;