Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 695
Скачиваний: 2
Линейные |
модели с одной |
переменной |
287 |
Мепдел показал, что если эксперимент наилучшим образом описы вается моделью В, но для него по каким-либо случайным причинам выбрана модель А, то при Хі = 1, хг = 2, . . ., хп — п, т. е. при изменении х па единицу и отсутствии разрывов между испыта ниями,
п
|
S |
xtYi |
|
|
|
|
|
b = i=J |
. |
|
|
|
(4.6.9) |
|
t=l |
|
|
|
|
|
Var {b} = 4 |
+ |
* |
a?, |
(4.6.10) |
||
1 ' |
5 » ( и + 1)(2л + |
1) 1 |
x |
' |
где волнистая черта сверху означает, что оценка вычислена некор ректно.
Рассмотрим отношение дисперсии некорректной оценки к дис персии корректной оценки:
_Ѵаг{6} __ 6 2«2 + 2n + l Var {bB} 5 (ra + 1) ( 2 / t + l )
При n - > оо это отношение стремится к 1,2; следовательно, оцен ка Ъ лишь немного менее эффективна, чем корректная оценка Ъв . Однако если бы дисперсия оценки Ъ тоже вычислялась в пред положении, что экспериментальные данные описываются моделью А, тогда как в действительности справедлива модель В, то можно было бы показать, что математическое ожидание некорректно вычисленной дисперсии равно
g {Var1 |
1 {Ъ}} = - , 3 |
( ? t w l ° L ; • |
|
||
|
>> 5и(/і + |
1) (2/1 + |
1) |
|
|
Теперь можно образовать |
отношение |
|
|
||
% { Ѵ а г { & } } _ |
3 ( и + 2) |
|
f / f i H V |
||
V a r { ö B } |
5(/г + |
1)(2/г + |
1) - |
ѵ ч . и . и / |
С ростом п это отношение непрерывно уменьшается, что свиде тельствует о том, что стандартная ошибка в угловом коэффициенте существенно занижена. Например, при п = 10 квадратный корень, из правой части выражения (4.6.11) равен только 0,175. Следова тельно, применение формул разд. 4.3 к модели В приведет к значи тельному завышению точности оценки углового коэффициента, хотя сама эта оценка весьма хороша, так как
n
T . x,Y,
288 |
Глава 4 |
Заметим, что отношение математических ожиданий b и Ъв равно единице (при Дх7- === 1):
і=1 |
п |
3=1 |
|
|
|
|
і=1 |
|
|
Tl |
|
ß z n + |
S |
|
Ш{ЪВ) = Ш |
3=1 |
ß- |
|
Мендел исследовал также поведение остатков в моделях А я В. Он показал (фиг. 4.6.1), что для больших значений п данные, описываемые моделью А, случайным образом разбросаны по обе стороны линии регрессии, тогда как при описании с помощью модели В длинные последовательности данных располагаются по одну сторону от этой линии. Эти характерные черты помогут раз личить модели (если можно провести большое число наблюдений для различных х).
Пример 4.6.1. Оценивание в случае накопленных данных
Этот пример иллюстрирует анализ накопленных данных для химической реакции. В течение некоторого эксперимента периоди чески брались и анализировались пробы и таким образом были получены следующие данные [10]:
Время |
l f f ( д ш 1 я |
Виемя |
l g ( д о л я |
ми» |
оставшейся |
\Г„~' |
оставшейся |
м и н |
сахарозы. 10) |
м и н |
сахарозы-10) |
0 |
1,000 |
50 |
0,735 |
10 |
0,954 |
60 |
0,685 |
20 |
0,895 |
70 |
0,628 |
30 |
0,843 |
80 |
0,581 |
40 |
0,791 |
|
|
Анализ этих данных по |
обычным |
формулам, приведенным |
|||
в разд. 4.3, дал для модели |
"Л — ße + |
ßi* следующие значения: |
|||
|
|
|
Оценка |
Стандартная |
|
|
|
|
ошибка |
||
|
|
|
1,0024 |
0,00170 |
|
Квадратный |
корень |
из |
-0,005303 |
0,0000357 |
|
0,00276 |
|
||||
суммы |
квадратов |
|
|
|
|
остатков |
|
|
|
|
- |
|
|
|
|
|
Линейные |
модели |
с одной |
переменной |
289 |
Следовательно, для уровня значимости а = 0,05 и t = 2,365 |
||||
оценка доверительного |
интервала для ßi дается неравенствами |
|||
— 0,005387 ^ ß t < . — 0,005219. |
Однако |
корректный |
анализ, |
использующий модель накопленных ошибок, должен был дать следующий результат:
|
|
Оценка |
Стандартная |
|
|
ошибка |
|
К |
|
1,00 |
0 |
by |
"корень из |
—0,005238 |
0,000166 |
Квадратный |
0,00469 |
|
|
суммы |
квадратов |
|
|
остатков |
|
|
|
Свободный член имеет нулевую ошибку, так как просто равен первому измеренному значению. Корректно оцененный довери
тельный интервал имеет вид —0,00563 ^ |
ß 4 <'—0,00485; это пока |
|||
зывает, что точность оценки, найденная |
неверным методом анали |
|||
за, оказывается выше, чем должна быть. |
|
|||
|
4.6.2. |
Коррелированные |
остатки |
|
Хорошо |
известно, |
что при получении данных |
в определенной |
|
временной |
последовательности остатки |
обычно |
коррелированы. |
В таком случае естественно поставить вопрос, насколько хороша процедура оценивания методом наименьших квадратов, изложен ная в разд. 4.3 или 4.4. Гренандер [11] и Розенблат [12] исследова ли этот вопрос для временного ряда; они пришли к заключению, что, если действительно имеют место значительные корреляции, оценки дисперсий параметров по методу наименьших квадратов оказываются смещенными и неэффективными.
Некоторое внимание здесь можно уделить лишь краткому описанию предположений Волда [13] относительно одной подходя щей процедуры оценивания коэффициентов и их дисперсий в про
стых линейных |
моделях с коррелированными |
остатками. Модели |
||
с несколькими |
независимыми |
переменными |
будут рассмотрены |
|
в разд. 5.4. Дл я знакомства с методами идентификации и |
оцени |
|||
вания параметров во временном |
ряде, т. е. в эмпирических |
моде |
лях, которые явно зависят от времени, можно обратиться к другим работам [15, 16].
Чтобы установить наличие корреляции в последовательном ряде значений, нужно применить критерий сериальной корреля ции. Критерий Дарбина — Ватсона [17] сериальной корреляции
290 |
Глава 4 |
|
величин е был предложен |
для случая независимых |
переменных, |
являющихся внесистемными, |
т. е. для величин е, |
статистически |
не зависящих от х. Следовательно, он не является вполне строгим, если, как это имеет место для временного ряда, некоторые из величин x измеряются с запаздыванием. Этот критерий весьма
прост: |
требуется |
лишь вычислить |
статистику D для серии |
из |
||
п измерений: |
|
|
|
|
|
|
|
|
D=^—n |
, |
(4.6.13) |
||
|
|
|
t=l |
|
|
|
где Et |
— остаток |
(Yt — Yt) |
в момент |
времени t, a (Et |
— Et_i) |
— |
правая |
последовательная |
разность. |
|
|
|
На фиг. 4.6.2 представлены распределение D и области, в кото рых гипотеза о сериальной корреляции принимается или отвер гается. В табл. В. 10 приведены значения верхних Du и нижних Di
р(Л)
|
|
Область не |
|
Область |
|
Область не |
|
|
|
|
|
|
принятия |
? |
принятия |
|
принятия |
|
|
|
|
|
|
Положи |
|
|
|
Отрицатель |
|
|
|
|
|
|
тельная се |
|
|
|
неюсериаль |
|
|
|
|
|
|
риальная |
|
|
|
наякорре |
|
|
|
|
|
|
О корреляция |
Ли |
2 |
|
ляция |
В |
|
|
|
|
|
Дг |
|
4 |
|
|
|
|||
Ф и г. 4.6.2. Распределение D, |
используемое |
при проверке |
сериальной |
кор |
||||||
реляции |
(нуль-гипотеза состоит в том, |
что |
сериальная к о р р е л я ц и я |
отсут |
||||||
|
|
|
|
ствует). |
|
|
|
|
|
|
границ |
критерия. Если |
величина |
D, |
вычисленная |
по форму |
|||||
ле (4.6.13), оказывается |
меньше, чем Dь или превосходит |
значе |
||||||||
ние 4 — DI, |
то следует считать, что сериальная корреляция |
имеет |
||||||||
место. Если величина D заключена внутри интервала |
между |
Du |
||||||||
и 4 — Du, |
справедливо |
противоположное утверждение. В |
обла |
стях, помеченных знаком вопроса, этот критерий не позволяет принять определенное решение.