Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 708
Скачиваний: 2
|
|
Линейные |
модели |
с |
несколькими |
|
переменными |
315 |
||||
первое |
из |
уравнений |
(5.1.5) |
дает |
|
|
|
|
|
|||
|
|
|
|
|
|
|
п |
|
|
|
|
|
|
|
|
|
|
|
|
1=1 |
|
|
|
|
(5.1.6) |
|
|
|
|
ßo = К = 2 тУі |
|
|
|
|
||||
Термин |
нормальные |
уравнения |
допускает |
следующее геометри |
||||||||
ческое истолкование. Наблюдения Yt |
можно |
интерпретировать |
||||||||||
как компоненты вектора наблюдений Y с основанием в начале |
||||||||||||
координат |
в пространстве |
наблюдений, |
как |
показано на |
фигу |
|||||||
ре 5.1.1, а 1 ) ; требуется |
выбрать |
такие |
bk |
(из пространства |
пара |
|||||||
метров), |
которые определяют |
значения |
|
Yt, |
реализующие |
мини |
||||||
мум ф. Аналогично по компонентам Yt |
можно восстановить |
неко |
||||||||||
торый вектор Y в |
пространстве |
наблюдений; |
различный |
выбор |
параметров bk образует плоскость оценок і\. Нужно найти такую оценку Y вектора ц, которая дает наикратчайшее расстояние от
конца вектора Y до поверхности оценок г\. Нормальные |
уравне |
|
ния — это уравнения, которые определяют параметры bk |
так, что |
|
вектор (Y — Y) проходит через конец вектора Y и |
перпендику |
|
лярен (нормален) к поверхности, образованной всеми |
возможными |
|
значениями оценок TJ. Этот перпендикуляр и является |
векто |
|
ром, который реализует минимум ф. |
|
|
На фиг. 5.1.1, г изображен вектор ненаблюдаемых ошибок е, который равен разности между вектором г| и вектором наблюде ний Y. С некоторой заданной вероятностью конец вектора т) попа дает внутрь сферы радиуса е, описанной вокруг конца вектора Y. Компоненты вектора Y по направлениям Ху и х2 равны соответ ственно by и Ъ2. Так как в методе наименьших квадратов вектор Y представляет собой нормальную проекцию вектора Y, то проекции всевозможных векторов е на плоскость Ху, х2 образуют наимень ший возможный круг. Его проекции на оси Ху и х2 дают соответ ственно доверительные пределы для р\ и ß 2 - Если корреляция между Ху и х2 велика, т. е. косинус угла между осями Ху и хг приближается к единице, проекции круга на оси становятся
больше, чем для случая ортогональных |
(перпендикулярных) осей |
Ху и х2, когда они имеют минимальную |
длину. Ортогональность |
*) Геометрическая трактовка метода наименьших квадратов дана недо статочно корректно . С геометрической интерпретацией метода наименьших квадратов можно познакомиться в монографиях: Линник Ю. В . , Метод наименьших квадратов и основы теории обработки наблюдений, Физматгиз, 1962; Шеффе Г., Дисперсионный анализ . Физматгиз, 1963.— Прим. ред.
316 |
Глава 5 |
Ф и г . 5.1.1. Интерпретация вектора остатков к а к нормали к поверхности оценок ц.
а — пространство наблюдений (три наблюдения); б — пространство параметров (два параметра); в — вектор нормали Е в пространстве наблюдений ( Y — наилучшая оценка іу,
Y — худшая оценка г\); г — пространство экспериментальных наблюдений (две неза висимые переменные).
двух переменных г) xk |
и Xj |
означает, |
что |
n |
|
|
|
S |
XijXik = |
0, если |
кФ]. |
і=1
Теперь опишем в общих чертах процедуру оценивания в матрич
ных |
обозначениях 2 ) , |
поскольку |
пример уравнений |
(5.1.5) |
ясно |
|||
1 Условие ортогональности, приведенное выше, представляет интерес |
||||||||
только |
в случае одинаковых весов |
w;. |
Е с л и веса наблюдений |
разные, |
необ |
|||
ходимо пользоваться более общим |
условием |
ортогональности, |
имеющим вид |
|||||
|
|
xTvfXj |
= |
О, |
і ф j , |
|
|
|
где w |
— (n X га)-матрпца |
весов.— |
Прим. |
ред. |
|
|
||
2 ) |
Читателям, незнакомым с матричными обозначениями, |
рекомендуется |
||||||
сначала прочитать приложение |
Б . |
|
|
|
|
318 Глава 5
Взвешенная сумма |
квадратов |
ненаблюдаемых |
ошибок равна |
|
|
n |
|
|
|
|
ф = 2 |
«;,ef = 8 r w e . |
(5.1.7) |
|
Так как 8 = Y — TJ = |
Y — xß, |
величину |
|
|
ф = |
( Y - |
xß)r w ( Y - xß) |
(5.1.7a) |
можно минимизировать по всем ßf t , вычисляя дф/dß и приравнивая нулю получившуюся матрицу г ) :
дф
дф |
_ 2 [d (Y xßff w (Y - xß)= _ 2 x r w |
— xß) = 0. (5.1.8) |
|
дф |
|
|
|
(Напомним, |
что при таком |
дифференцировании Y и х считаются |
|
постоянными.) |
(5.1.8) вместо ß оценку Ь, получаем |
||
Подставляя в уравнение |
|||
|
x^wxb = x T w Y , |
(5.1.9) |
что точно совпадает с уравнениями (5.1.5). Это можно показать,
расписывая матричные элементы уравнения |
(5.1.9) и последова |
|||||||
тельно |
выполняя |
умножение. |
Решение |
матричного |
уравне |
|||
ния |
(5.1.9) имеет вид |
|
|
|
|
|
||
|
|
Ь = (x^wx)-1 (x*VY) = |
c w G w , |
I x^vx | ф 0, |
(5.1.10) |
|||
где |
для |
упрощения |
записи |
введены |
обозначения |
|
||
|
|
( x T w x ) - 1 = a w _ 1 |
= cw |
и x T w Y = G w . |
|
Матрица x r w x симметрична, что можно увидеть по членам в урав
нениях (5.1.5), |
следовательно, симметрична и матрица cw , |
так что |
||
т |
|
|
|
|
C\v |
C w . |
|
|
|
|
5.1.2. Оценивание методом максимального |
правдоподобия |
||
|
Требование |
минимума суммы квадратов |
ф приводит |
к такой |
же оценке параметров ß, какую можно получить, минимизируя дисперсию произвольной линейной функции элементов ß. Следует
г ) При дифференцировании квадратичной формы используется следую щее свойство. Если
h = qTaq,
то
dh = 2 (dqT) (aq),
в чем можно убедиться, расписывая матричные элементы и производя соот ветствующие действия над ними.