Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 691
Скачиваний: 2
276 |
Глава 4 |
1) ^оценку уравнения регрессии Y = b0 + bt (x — х);
|
|
п |
|
|
|
|
2 |
ШІРІХІ |
|
2) |
х-- |
1=1 |
|
|
|
|
|
||
|
|
2 |
|
|
|
|
i =l |
n |
|
3) |
&о = |
|
|
|
У : І=1 |
|
|||
|
|
|
2 |
wiPiYi |
|
|
|
2 |
wiPi |
|
|
|
i=l |
|
|
|
2 |
|
(xi-x)Yi |
4) |
6i = |
i = i |
|
wiPi(xi—x)2 |
|
|
2 |
|
|
|
|
i=i |
|
|
5) |
Var{60 } = |
— |
|
|
|
|
|
2 |
wiPi |
6) |
|
|
i=l |
~ |
Var {&<> = — |
||||
|
|
|
2 |
x)2 |
По табл. 4.3.1 и 4.3.2 можно провести дисперсионный анализ. Как п в разд. 4.3, можно составить отношение дисперсий s\ls\ и применить /^-критерий. Если отношение sp/sf не является зна чимым, объединенная дисперсия равна
n |
Pi |
_ |
n |
_ |
|
2 |
2 |
v>i<Yii-Yt)*+ |
2 |
WiPi(Yi-Yi)* |
|
* I = J = L * = L — 5 |
— |
, |
(4-4.2) |
(2 Pi-n)+(n-2)
i=l
что соответствует соотношению (4.3.15).
Оценка функции отклика Y распределена по нормальному закону относительно модели т] = ß 0 + ßj (x — х) и, как и раньше,
Ѵаг {Y} = Ѵаг'{Ь0 } + (x — x)2 V a r f ^ } .
Теперь рассмотрим два интересных и практически важных част ных примера, противопоставляя случай, когда используется вес, предположению, когда вес принимается равным единице. Пусть линейная модель изображается прямой линией, проходящей через
Линейные |
модели с одной |
переменной |
277 |
начало координат, с угловым коэффициентом, равным ß:
Ш {7І \х) = ßx.
Рассмотрим оценку Ъ параметра ß для трех случаев:
I) |
Var {Yt |
I x} |
= |
oy.x |
с |
весом |
Их; |
I I ) |
Var {Yt |
I x} |
= |
oy.z2 |
с |
весом |
Их2; |
I I I ) |
V a r { Y j |
I x) |
= |
оу. |
с весом 1. |
|
Тогда соответствующие оценки углового коэффициента ß и их дисперсии будут равны (суммирование проводится от і = 1 до п)
|
|
aly. |
|
Pi*i |
2J РІХІ |
Ь п = |
^ 7 Г ' |
V a r { 6 „ } = |
Ь щ = |
^ SM^ > ' |
V a r { b m } = :SM |
В каждом из этих случаев получится различный угловой коэффи циент. Использование веса должно определяться физическими соображениями, т. е. информацию о непостоянстве Ѵаг {Уг |а;г } следует получать из эксперимента или каким-либо другим спо собом.
Например, если при каждом xt получены повторные значения У, как в примере 3.6.3, то можно найти оценки оуг при каждом значении хІУ используя выражение (2.4.2). Чтобы оценить нужную функциональную зависимость Ѵаг{У} от х, можно применить метод наименьших квадратов. Это можно сделать также, анали зируя известные ошибки измерительных приборов.
Пример 4.4.1. Взвешенная линейная регрессия
Рассмотрим повторно пример 4.3.1, сравнивая три типа взве шивания:
1) |
Wi = |
1 для каждого значения У г ; |
|||
2) |
Wi = |
1/ХІ для |
каждого |
значения |
У г ; |
3) |
wt = |
\Іх\ для |
каждого |
значения |
У ; . |
Решение
На фиг. П.4.4.1 представлены оценки трех уравнений регрессии и соответствующие доверительные интервалы для ті.
280 |
|
|
Глава |
4 |
|
|
|
|
|
|
|
|
Продолжение |
табл. |
П.4.4.1 |
|
|
|
Величина |
Результаты при различном |
весе |
||
|
|
|
1 |
l/x |
|
l/x2 |
|
|
|
|
|
|
|||
|
n |
|
|
|
|
|
|
|
2 |
wiPi |
(xi—x) Y i |
|
|
|
|
1 |
n |
|
|
0,1874 |
0,1959 |
0,2057 |
|
|
|
|
|
|
|
||
|
2 |
wtPi |
(xi—x)2 |
|
|
|
|
V a f >i0 =} l |
|
|
0,1674 |
0,1132 |
0,0548 |
||
VaP[bi} |
|
|
8,3-10-4 |
6,4-10-4 |
5,6-10-4 |
||
|
|
|
|
0,921 |
0,421 |
0,193 |
|
4.5. |
О Ц Е Н И В А Н И Е П А Р А М Е Т Р О В |
М О Д Е Л Е Й СО С Л У Ч А Й Н Ы М И |
|||||
|
|
ЗАВИСИМЫМИ И Н Е З А В И С И М Ы М И |
П Е Р Е М Е Н Н Ы М И |
|
|||
Если как независимая, так и зависимая |
переменные |
являются |
случайными величинами, распределенными по нормальному зако ну, оценивание коэффициентов в линейных (по коэффициентам) моделях, указание подходящих критериев проверки гипотез и определение доверительных интервалов существенно услож няются. Несмотря на все усилия, которые были затрачены на ре шение этой задачи, полностью удовлетворительный метод еще не развит. Предложено несколько подходов к решению, которые выхо
дят за |
рамки этой книги; соответствующая литература указана |
в конце |
главы. |
Чтобы показать отличие от эмпирических моделей с одной слу чайной зависимой переменной и пояснить некоторые встречающие ся трудности, здесь рассмотрен один из многих методов оценива ния, а именно метод максимального правдоподобия. Не следует думать, что этот метод рассматривается потому, что он более широ ко применяется или лучше, чем другие методы — наилучший метод решения задач, когда обе переменные являются случайными, до сих пор не найден.
Здесь можно рассмотреть лишь случай простой линейной моде ли с одной зависимой переменной Y и одной независимой перемен ной X, распределенными по нормальному закону с совместной плот ностью вероятности, описанной в примере 2.3.4. Тем не менее эта простая модель укажет некоторый способ получения оценок, не требующий использования чрезмерно сложного математиче ского аппарата. Предположим, что модель имеет вид
ЧІ = ßo + ßi (Hi - V), |
(4.5.1) |