Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 679
Скачиваний: 2
248 Глава 4
сий. Суммы квадратов, разделенные на соответствующие числа сте пеней свободы, называются средними квадратами. Каждую диспер сию из табл. 4.3.1 можно использовать в качестве оценки величины аУі, но в силу того, что Ѵаг{Ь0 } и Ѵаг {£>!}, как правило, неизве стны, для оценки а У і используется объединенная оценка sf'i- В свою
очередь оценки дисперсий коэффициентов |
Ъ0 и Ьі можно получить |
|||||||||
с помощью Sy;, |
подставляя последнюю величину вместо Оуг |
в выра |
||||||||
жения (4.3.10) и |
(4.3.11). |
|
|
|
|
|
|
|
|
|
Если расчеты выполняются вручную, могут оказаться полез |
||||||||||
ными следующие |
тождества: |
|
|
|
|
|
|
|
||
|
2 Pi{fi-YY |
= b\ S Р І ( Х І - Х |
) \ |
|
|
|
||||
|
i = l |
|
|
j = l |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
; 2 > ( Г І - ? , ) - = 2 Р І І Т |
(ÂPiYi)2 |
\D Pi |
|
|
(Y |
i-Y)]2 |
||||
i = l |
|
i = l |
|
2 pt |
2 |
pi |
|
(xi—xf |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|||
2 Pt (xi — x) (Yi |
— Y) |
= S Pt [xi — x) |
Yt. |
|
|
|||||
i =l |
|
|
|
|
i = l |
|
|
|
|
|
Дисперсионный анализ, несколько отличающийся от предыду |
||||||||||
щего, можно осуществить, разлагая (Хц |
— Y) вместо |
(Yа |
— т]г ), |
|||||||
где Y = ^YijlUpi, |
Член Ytj |
— |
Y |
можно представить |
следующим |
|||||
образом: |
|
|
|
|
|
|
|
|
|
|
(Yu - |
Y) |
= ( У „ - |
У,) |
+ |
(У, - |
У,) ч- |
(У, |
- |
У). |
|
Как и раньше, обе части этого равенства можно возвести в квад рат и просуммировать по і и /. Разложение суммы квадратов будет аналогично описанному выше. Результаты представлены в табл. 4.3.2. Суммы квадратов во второй и третьей строках этой таблицы такие же, как и в табл. 4.3.1. Сумме квадратов в четвертой строке соответствует общее число степеней свободы 2.Рг минус 1, причем единица появляется в силу ограничения, наложенного при вычис лении У. Как следствие сумма квадратов в первой строке имеет только одну степень свободы.
Сначала можно проверить гипотезу о линейности модели, сос тавляя отношение дисперсий sf-fsl и применяя ^-критерий, как объяснялось выше. Если отношение дисперсий не является значи мым, линейная форма модели принимается. Затем можно прове рить гипотезу, что ßi == 0, составляя отношение sysYi- Если это отношение больше, чем значение Fy-a, из таблиц для некоторого выбранного а, гипотеза ßj = 0 отвергается. На фиг. 4.3.1, а пока-
|
|
|
|
Линейные |
модели |
с одной |
переменной |
249 |
||
|
|
|
|
|
|
|
|
|
Таблица 4.3.2 |
|
|
|
Распределение вариаций относительно среднего |
Y |
|||||||
Источник |
|
|
|
|
Число |
|
|
|||
|
Сумма квадратов |
степеней |
Средний квадрат |
|||||||
рассеяния |
|
|||||||||
|
|
|
|
|
|
|
свободы |
|
|
|
1. Отклонения |
|
|
у |
2 |
|
|
|
|||
между значени |
2 Р;(Ѵ-> |
|
i = 1 |
|||||||
ями на |
линии |
і = |
1 |
|
|
|
||||
регрессии |
и об |
|
|
|
|
|
|
|
||
щим |
средним |
|
|
|
|
|
|
|
||
(обусловленные |
|
|
|
|
|
|
|
|||
регрессией) |
|
|
|
|
|
|
|
|||
2. Отклонения |
2 |
P i |
^ i - |
Y ^ |
n — 2 |
2 |
|
|||
относительно |
i = 1 |
|
|
|
i = l |
|
||||
линии |
регрес |
|
|
|
n - 2 |
|||||
сии |
|
|
|
|
|
|
|
|
||
|
|
|
n |
Pi |
|
|
та |
2 2 |
||
|
|
|
|
|
|
|
|
|||
3. Отклонения |
|
|
(Yu~ro2 |
2 |
« i = 1 J = 1 |
|||||
внутри серий |
2 |
S |
||||||||
|
2 T 1 |
|||||||||
|
|
|
i = U = l |
|
_ |
i = l |
|
|||
4. Общий |
|
|
n |
Pi |
|
n |
i |
= 1 |
||
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
i = 1 |
|
|
||
|
|
|
2 |
2 ( r u - r > * |
|
|
||||
|
|
|
i = l j = l |
|
|
|
|
|
зана ситуация, когда экспериментальные данные гораздо лучшеаппроксимируются оценкой линии регрессии, чем горизонтальной прямой, тогда как для данных на фиг. 4.3.1, б горизонтальная прямая дает столь же хорошую подгонку. Для проверки гипоте
зы о том, что ßi = |
0 или любому другому значению, можно также |
||||||
применить критерий t, основанный на соотношении |
(4.3.20), за |
||||||
писанном ниже. |
|
|
|
|
|
||
Еще одну |
весьма полезную |
форму |
дисперсионного анализа |
||||
можно получить, разлагая (¥ц |
— 0) следующим образом: |
||||||
(Yij |
- |
0) |
= (Yu - Yt) |
+ |
(Yt - |
Yd + (Yt - |
0). |
Снова выполняя те же действия, получим следующее |
разложение |
||||||
для суммы |
квадратов: |
|
|
|
|
||
2 2(^;—0)2=2 2 ( Y U - Y t r |
+ |
|
|
||||
і=1 3=1 |
|
|
î = l 3=1 |
|
|
|
|
|
|
|
+ |
^pi{Yi-Yi)z+ |
?,pi(Yt-0)K |
||
|
|
|
|
І=І |
i=i |
|
Первые два члена справа от знака равенства такие же, как в треть ей и второй строках табл. 4.3.2. Последний член, представляющий
250 Глава 4
собой отклонения предсказанных значений Y относительно нуля
с учетом весов, в свою очередь можно разложить на сумму квад
ратов, если подставить оценку уравнения регрессии для Yt: |
||||
S |
Pi(Yi-Oy |
= blJ] |
рі + Ъ\^ Pi{xi-xf |
= |
і=1 |
|
i=l |
i=l |
|
|
|
|
^^ÇY-Ofpi+fjiYt-Yfpi. |
|
|
|
|
i=i |
i = l |
|
Каждый из двух членов в правой части этого равенства можно |
интерпретировать как сумму квадратов независимо от того, |
вклю |
чен ли в модель лишь параметр ß 0 или оба параметра ß |
0 и ßt . |
I |
X |
|
Ö |
Ф и г . 4.3.1. |
Экспериментальные данные д л я проверки гипотезы ß 4 = 0. |
|
а — гипотеза отвергается, б — гипотеза принимается. |
Предположим, что модель содержит лишь ß 0 , а параметр ß t вычерк
нут, так что модель имеет вид Yt |
= ß 0 |
+ &t. |
Тогда оценкой ßo |
||
по |
методу наименьших |
квадратов |
могла |
бы |
служить величина |
Ь0 |
= Y, и |
|
|
|
|
|
і=1 |
і=1 |
|
і=1 |
|
Отметим соответствие этой суммы квадратов первому члену раз лагаемой суммы квадратов 2 (Y — 0) 2Рі- Следовательно, можно
заключить, что второй член
Ъ\ 2 РІ(*І - *) 2 |
= 6І j\pi?t(xt-x)= |
S (Yt — Y)*Pi |
i=l |
i=l |
i=l |
Линейные |
модели с одной |
переменной |
251 |
описывает вклад в сумму квадратов, обусловленный добавлением ßi к модели Yt = ß 0 + вг , так что получается наклонная прямая. Это третье разложение суммы квадратов показано в табл. 4.3.3.
|
|
|
Таблица 4.3.3 |
|
|
Распределение вариаций относительно |
нуля |
||
Источник |
|
Число |
|
|
Сумма квадратов |
степеней |
Средний квадрат |
||
рассеяния |
||||
|
|
свободы |
|
1. Обусловлен |
У2 |
2 Vi |
ный регрессией |
|
|
Ьо, |
|
i = l |
|
n |
|
|
|
6і с поправкой |
|
|
на Ьо |
bl |
i S= lVt Yi {xt-x) |
|
2.Отклонения
относительно линии регрес сии
3.Отклонения внутри серий (ошибка экспе римента)
4.Общий
2 P I ^ - V
i = 1
n Vi
2 2 |
ян-?? |
i= 1 3 = 1 n Vt
2 2 -°>2
4 = Y» S Pi
i = l
n
4 = f > 1 2 P i 7 i
n — 2
8 r
S P i " " i = 1
2
S<-=
S Vi i = l
i = l n
n - 2
2n VSt 0^~V
i = l j = l n
i = l
i= l j = i
Спомощью критерия отношения дисперсий можно узнать, насколь
ко |
оправдано |
исключение из модели |
параметров |
ß 0 и ß 4 . |
Если |
|||
какое-либо из отношений s\lsyi |
и s^/sy. |
превышает |
значение |
Fi-a, |
||||
соответствующий параметр дает значимый вклад в модель. |
|
|||||||
Пример 4.3.1. |
Оценивание и |
анализ |
имитированных |
данных |
||||
с |
помощью линейной модели |
|
|
|
|
|
|
|
|
В качестве примера заранее известной модели рассмотрим |
|||||||
модель л = ßg + ß t x с ßo = 10 и ß t = 0,2. Наблюдаемые |
значе |
|||||||
ния Y (табл. П.4.3.1 а) имитировались |
прибавлением к т) ошибок, |
|||||||
взятых из таблиц случайных нормальных |
отклонений со средним |
значением, равным нулю, и с единичной дисперсией (из работы [2]). Требуется: 1) получить оценки Ъ'0 и Ъі параметров ßo и ß t , исходя из экспериментальных значений Y; 2) найти доверительные интервалы для ßo» ßi и г| (последний как функцию ж); 3) изобразить