Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 673
Скачиваний: 2
236 |
Глава 4 |
того, является ли случайной величиной лишь одна зависимая переменная или обе переменные, как зависимая, так и независимая. Последний случай, изображенный на фиг. 4.2.16, будет обсуждать ся в разд. 4.5.
Ф и г . 4.2.1а. |
Изображение |
линей |
|
ной модели, |
когда |
случайной ве |
|
личиной я в л я е т с я |
одна |
зависи |
|
мая |
переменная . |
|
|
х- — значения, |
выбранные |
экспери |
|
ментатором; |
— геометрическое |
место точек математических ожиданий переменной Y а именно т|^ = ß0 + + ß, (xt — x).
Сначала рассмотрим более простую ситуацию, когда лишь зависимая переменная является случайной величиной, как пока зано на фиг. 4.2.1а. В частности, пусть модель имеет вид
УІ = ßo + ßi (ХІ - x) + ги |
(4.2.5) |
где У, — выборочное среднее по серии повторных измерений зави симой переменной Y при заданном значении x, х{; е, — ненаблю-
Р(х,у) I
Ф n г. 4.2.16. Изображение линейной модели, когда обе переменные я в л я ю т с я случайными величинами.
даемая (скрытая) случайная ошибка, представляющая собой раз
ность 8г - = YI |
— % {Yi I ж}, имеющую |
известное распределение |
(обычно нормальное) с математическим |
ожиданием, равным нулю, |
|
и дисперсией |
аЕ2.. Кроме того, предполагается, что при измере- |
Линейные |
модели с одной |
переменной |
237 |
ниях, используемых для |
вычисления Yu |
ненаблюдаемые |
ошибки |
не зависят от х и е, т. е. |
от предшествующих ошибок. |
Сначала |
предположим, что о|. — постоянная, не зависящая от х (разд. 4.3),
а затем (разд. 4.4) рассмотрим случай, когда |
о|. изменяется с из |
||||||||||||
менением x. Другой способ описания той же самой модели |
связан |
||||||||||||
с предположением, что |
|
|
|
|
|
|
|
|
|
||||
|
|
g |
(У, |
I x,) |
= |
т), = ß 0 |
+ |
ßi |
(xt |
- x), |
|
(4.2/ |
) |
т. е. что математическое |
ожидание Yt |
при заданном xt |
равно ß 0 |
+ |
|||||||||
4- |
ß4 (xt |
— x). |
|
|
|
|
|
|
|
|
|
|
- |
|
Итак, в основе процедуры оценивания параметров лежат четыре |
||||||||||||
главных |
предположения: |
|
|
|
|
|
|
|
|
|
|||
|
1. Математическое ожидание величины Yt |
при заданном |
зна |
||||||||||
чении Х і |
является линейной |
(по параметрам) |
функцией. |
|
|
||||||||
|
2. Значения х, |
выбранные для проведения эксперимента, не яв |
|||||||||||
ляются |
случайными |
величинами. |
|
|
|
|
|
|
|
||||
\ |
3. Дисперсия |
al. |
величины гг равна |
дисперсии а\ |
величины |
||||||||
Yі |
|
|
1 |
|
|
|
|
|
|
х1). |
і |
|
|
и может быть постоянной или зависеть от |
|
|
|
||||||||||
|
4. Различные |
измерения |
величины |
Y |
взаимно |
независимы, |
или, что то же самое, статистически независимы ошибки е,- 2 ) . Метод наименьших квадратов, основанный только на этих
предположениях, |
дает несмещенные оценки |
Ь0 и bt |
3 ) параметров |
ßo и ß l t причем, |
согласно теореме Маркова, |
такие |
оценки имеют |
наименьшие дисперсии по сравнению со всеми возможными несме
щенными линейными оценками. Методом |
наименьших |
квадратов |
называется процедура получения оценок Ь0 |
и Ьи основанная на ми |
|
нимизации суммы квадратов отклонений |
наблюдаемых |
значений |
п |
|
Yj от их математических ожиданий r\t, т. е. 2 |
{Yi—чг)2- |
г=1 |
|
В некотором смысле метод наименьших квадратов |
представляет |
собой просто некоторый способ решения переопределенной систе-
*) |
Дисперсия |
выборочного |
среднего |
ai? |
связана с дисперсией |
единич- |
|||||
ного |
наблюдения |
а у |
соотношением |
|
і |
|
|
|
|
||
|
|
|
|
|
|
||||||
где РІ |
— число повторных измерений зависимой переменной.— Прим. |
ред. |
|||||||||
2 ) Здесь достаточно сделать более слабое предполоя^ение о некоррели |
|||||||||||
рованности |
величин |
У; или et. |
Если наблюдения |
подчинены нормальному |
|||||||
з а к о н у распределения, то из некоррелированности |
вытекает |
т а к ж е и |
неза |
||||||||
висимость.— Прим- |
|
ред. |
|
|
|
|
|
|
|
||
3 ) |
Х о т я оценки параметров |
ß 0 и ß l t |
ß 0 |
= Ъ0 и |
ß, = bt |
сами |
я в л я ю т с я |
||||
случайными |
величинами, |
для их |
обозначения |
принято использовать |
строчные |
||||||
латинские |
буквы . |
|
|
|
|
|
|
|
|
|
236 |
Глава 4 |
того, является ли случайной величиной лишь одна зависимая переменная или обе переменные, как зависимая, так и независимая. Последний случай, изображенный на фиг. 4.2.16, будет обсуждать ся в разд. 4.5.
Ф и г . 4.2.1а. |
Изображение |
линей |
|
ной модели, |
когда |
случайной ве |
|
личиной я в л я е т с я |
одна |
зависи |
|
мая |
переменная . |
|
|
— значения, |
выбранные |
экспери |
|
ментатором; |
|
геометрическое |
место точек математических ожидании переменной Y; , а именно ri- = pe
+ ßi (xt — x).
Сначала рассмотрим более простую ситуацию, когда лишь зависимая переменная является случайной величиной, как пока зано на фиг. 4.2.1а. В частности, пусть модель имеет вид
Yt = ß 0 + ßi fa - x) + . 8 » , |
(4.2.5) |
где Yi — выборочное среднее по серии повторных измерений зави симой переменной Y при заданном значении x, xt; ег — ненаблю-
Ф и г. 4.2.16. Изображение линейной модели, когда обе переменные я в л я ю т с я случайными величинами.
даемая (скрытая) случайная ошибка, представляющая собой раз
ность ег- = YІ |
— % {Yі I х}, имеющую |
известное распределение |
(обычно нормальное) с математическим |
ожиданием, равным нулю, |
|
и дисперсией |
о Е 2 . Кроме того, предполагается, что при измере- |
|
|
Линейные |
модели |
с одной |
переменной |
|
|
|
237 |
|||||
ниях, |
используемых для вычисления Yt, |
ненаблюдаемые |
ошибки |
|||||||||||
не |
зависят от х и е, т. е. от предшествующих |
ошибок. |
Сначала |
|||||||||||
предположим, что а|. — постоянная, |
не зависящая от х (разд. 4.3), |
|||||||||||||
а |
затем (разд. 4.4) рассмотрим случай, |
когда а|. изменяется с из |
||||||||||||
менением x. Другой способ |
описания той же самой модели |
связан |
||||||||||||
с предположением, что |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
% {У, |
I xt) |
= |
Г)І = ß 0 |
+ |
ß, |
(xt - |
x), |
|
|
(4.2.' ) |
||
т. е. что математическое ожидание Yt |
при заданном xt |
равно ß 0 + |
||||||||||||
- f |
ßi |
(я* — x). |
|
|
|
|
|
|
|
|
|
|
|
—\ |
|
Итак, в основе процедуры оценивания параметров лежат четыре | |
|||||||||||||
главных предположения: |
|
|
|
|
|
|
|
|
|
|
|
|||
|
1. Математическое ожидание величины У, при |
заданном |
зна |
|||||||||||
чении |
ХІ является линейной (по параметрам) |
функцией. |
|
|
||||||||||
|
2. |
Значения х, выбранные для проведения эксперимента, не яв |
||||||||||||
ляются случайными |
величинами. |
|
|
|
|
|
|
|
|
|||||
|
3. |
Дисперсия а%. величины |
ег равна |
дисперсии |
а% величины |
|||||||||
YІ |
|
1 |
|
|
|
|
|
|
|
х1). |
|
і |
|
|
и может быть постоянной или зависеть от |
|
|
|
|
||||||||||
|
4. Различные измерения величины У взаимно |
независимы, |
||||||||||||
или, |
что то же самое, статистически независимы |
ошибки |
е, 2 ) . |
|||||||||||
|
Метод наименьших квадратов, основанный только на этих |
|||||||||||||
предположениях, дает несмещенные оценки Ь0 и 64 |
3 ) |
параметров |
||||||||||||
ßo |
и ß 4 , причем, согласно |
теореме Маркова, такие |
оценки |
имеют |
наименьшие дисперсии по сравнению со всеми возможными несме
щенными линейными оценками. Методом |
наименьших |
квадратов |
||
называется процедура получения оценок Ъ0 |
и Ьи основанная на ми |
|||
нимизации |
суммы квадратов отклонений |
наблюдаемых |
значений |
|
|
|
п |
|
|
Yt от их |
математических ожиданий т]г , т. е. 2 Wi |
— ЛІ)2 - |
||
|
|
і=1 |
|
|
В некотором смысле метод наименьших квадратов |
представляет |
собой просто некоторый способ решения |
переопределенной |
систе- |
|||||||||||||
1 ) Дисперсия выборочного среднего Oy |
связана с дисперсией |
|
единич |
||||||||||||
ного |
наблюдения Oy |
|
соотношением |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
о Y • |
|
|
|
|
|
|
|
|
|
|
|
|
0 2 - |
= — — |
, |
|
|
|
|
|
|
|
||
|
|
|
|
|
Yi |
|
Pi |
|
|
|
|
|
|
|
|
г Де РІ |
— число повторных измерений |
зависимой переменной.— Прим. |
ред. |
||||||||||||
2 ) Здесь достаточно сделать более слабое предположение о некоррели |
|||||||||||||||
рованности |
величин |
Yt |
или е;. Если |
наблюдения |
подчинены нормальному |
||||||||||
з а к о н у распределения, то из некоррелированности |
вытекает |
т а к ж е |
и |
неза |
|||||||||||
висимость.— Прим. |
ред. |
|
|
|
|
|
|
|
|
|
|
|
|||
3 ) |
Х о т я |
оценки |
параметров |
ß 0 |
и |
ß t , |
ß 0 |
= |
b0 и |
ß t = Ъі |
сами |
я в л я ю т с я |
|||
случайными |
величинами, |
для их |
обозначения |
принято использовать |
строчные |
латинские буквы .
238 |
|
Глава |
4 |
|
|
мы уравнений в пространстве параметров |
ß 0 и ß t , если считать, |
||||
что каждая пара данных образует уравнение. Например, |
|||||
16,08 |
- |
ß 0 |
+ |
l,80ßi = |
0, |
16,32 - |
ß 0 |
+ |
2,100! = |
0, |
|
16,77 |
- |
ß 0 |
+ |
2,40ßj = |
0. |
Разность между суммой |
квадратов левых |
частей этих уравнений |
и нулем минимизируется, чтобы получить наилучшие оценки для
ßo, |
ßi H l . |
|
|
|
|
На фиг. 4.2.2 |
представлены |
оценка |
линии регрессии, задавае |
мая |
уравнением |
Y = bQ + bt |
(x — x), |
истинная модель п = |
= ßo + ßi [x — x), & также некоторые величины, введенные ранее.
Одно измерение
|
|
x |
*і |
er |
|
|
|
|
Ф и г . |
4.2.2. Соотношения между |
экспериментальными |
данными, |
средними |
||||
|
значениями и теоретической |
линейной моделью и ее оценкой. |
||||||
Ytj |
обозначает одно /-е, |
1 ^ |
j^CPi, |
измерение или наблюдение |
||||
зависимой переменной Y при x = xt; |
У,- представляет собой выбо |
|||||||
рочное |
среднее по измерениям |
при x = xt, |
1 ^ |
і ^ п. |
|
|||
Чтобы оценить доверительную |
область |
для переменных ß 0 |
||||||
и ß 4 и применить статистические критерии, |
необходимо |
принять |
||||||
пятое |
предположение: |
|
|
|
|
|
|
5. Условное распределение вероятности Yt при заданном зна чении xt нормально относительно математического ожидания г|г =
= t{Yi \xt).
Практически экспериментальные данные могут не удовлетво рять этим пяти требованиям. Отклонения от этих предположений