Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 709
Скачиваний: 2
Линейные |
модели с несколькими |
переменными |
319 |
отметить, что описанная выше процедура не зависит ни от каких строгих ограничений на вид распределения ненаблюдаемых оши бок е, однако можно показать, что, если ошибки предполагаются распределенными по нормальному закону, максимально правдо подобная оценка также удовлетворяет уравнению (5.1.9). Если наборы ненаблюдаемых ошибок в модели (5.1.1а) описываются многомерной нормальной плотностью распределения вероятно сти (2.3.6)
р(г) |
= к ехр ( - |
(5.1.11) |
|
где е — вектор ошибок г ) |
|
||
|
|
|
8l |
|
|
8 = Y —ті = |
|
a к — нормировочный |
множитель, |
определенный в разд. 2.3, |
|
то после проведения |
наблюдений можно записать функцию прав |
||
доподобия, похожую |
на функцию |
(4.3.8), в которой вектор Y |
и матрица х считаются заданными, а переменным является век
тор ß (и, возможно, матрица f). Натуральный логарифм |
функции |
|||
правдоподобия записывается в |
виде |
|
|
|
In L (ß, f I y, x) : : In L = In k- |
1 |
' ~ |
- x ß ) r f - i ( Y - x ß ) , |
(5.1.11a) |
2 |
(Y- |
|
|
где |
|
|
|
|
|
|
o\ |
а |
|
|
|
|
|
|
|
|
|
|
Оin |
|
|
||
|
|
f = Cov{e}=ig{ee T }: |
0 2 1 |
G, |
|
|
|
||||
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
°"nl 0"n 2 . |
|
|
|
|
Предполагая, |
что ^{е г } = |
0, Var {ег } = g {(e, — 0) (et — 0)} = |
|||||||||
— I Ie ?} = of, a также |
что % {siSj} |
= |
0, можно |
привести |
кова |
||||||
риационную |
матрицу |
f |
к |
виду |
|
|
|
|
|
||
|
|
|
|
|
оі |
0 |
0 |
|
|
|
|
|
|
|
|
|
0 |
оі |
0 |
|
|
|
|
|
|
|
|
|
0 |
0 . . . |
о2п |
J |
|
|
|
Тогда |
можно |
положить |
|
|
|
|
|
|
|
|
|
|
|
|
г |
о 7 2 |
0 . . . |
0 |
" |
|
|
|
|
|
|
|
|
0 |
а - . . . |
0 |
\ѵ. |
|
|
||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
о |
о . . . |
on2А |
|
|
|
||
г ) |
Заметим, что вектор |
г |
не |
совпадает |
с вектором |
Е = |
Y — Y , |
введен |
|||
ным ранее. |
|
|
|
|
|
|
|
|
|
|
320 |
Глава 5 |
Наконец, если все элементы на главной диагонали матрицы f равны между собой и некоторой постоянной о"у., матрица f сво дится к
f = оу.І. |
(5.1.12) |
В целях экономии места в ряде следующих уравнений вместо (1/оу\) I используется по-прежнему лѵ. Если элементы матрицы f не упрощаются, как показано здесь, а оставляются в общем виде, то получаются оценки, называемые оценками Маркова.
|
Максимальное |
значение In L |
в |
выражении |
(5.1.11а) |
с і |
= |
|||||
= |
о т |
. І |
может |
быть |
достигнуто |
дифференцированием In L |
по ß |
|||||
и |
о |
т . |
и |
приравниванием производных к |
нулю, |
что |
приводит |
|||||
к |
нормальным уравнениям (5.1.9) и |
дает некоторую |
смещенную |
|||||||||
оценку |
дисперсии ау., как и в разд. 4.3. Максимуму In L соответ |
|||||||||||
ствует |
минимум (Y — xß) T (a?".)- 1 |
(Y — xß); сравните это выраже |
||||||||||
ние с выражением |
(5.1.7а). Следует отметить, что, если в матрице |
|||||||||||
£ |
оставлены |
все |
элементы, условие |
минимума |
(Y — x ß ) r f _ 1 |
X |
||||||
X |
(Y — xß) |
дает |
оценку |
Маркова |
|
|
|
|
|
|||
|
|
|
|
|
b = |
(хЧ-Н)-1 |
|
(X Tf-*Y) |
|
|
|
|
с |
ковариационной |
матрицей| |
|
|
|
|
|
|
||||
|
|
|
|
|
Соѵ{Ь} = |
(xTf^x)-!. |
|
|
|
|
Однако для получения этих оценок предварительно следует вычис лить элементы матрицы f по данным повторных экспериментов или каким-либо другим методом. Обсуждение схем оценивания, в кото
рых наряду с параметрами оцениваются и |
элементы f, |
выходит |
||
за рамки данной |
книги. Если специально не оговорено обратное, |
|||
будет предполагаться, что во всех случаях |
справедливо соотно |
|||
шение (5.1.12). |
|
|
|
|
5.1.3. |
Корреляция |
и смещение |
оценок |
|
Так как ошибки ег- являются в буквальном смысле нена |
||||
блюдаемыми, их |
можно только |
оценить, |
используя |
равенство |
e = Y — x ß , так что
е = Y — x (x^wx)-1 x T wY = MY,
где
M = I — x ( x r w x ) _ 1 x T w .
Матрицу M можно интерпретировать как матрицу, которая осу ществляет линейное преобразование «истинных» ошибок е в оцен ки ошибок 8 , ибо (учитывая, что Мх = 0)
8 = MY = M (xß + e) = Me.
322 |
Глава 5 |
Если величина si известна, по выражению (4.4.2) можно вычис лить Sy..
Следует помнить, что в является несмещенной оценкой вектора параметров ß модели (5.1.1), если только эта модель корректна. Допустим, что модель определяется не уравнением
т)і = xß,
а в действительности содержит дополнительные члены; тіп = xß + x*ß*.
Тогда, согласно соотношению (5.1.13), математическое ожидание b для модели I равно ß:
% {b} = ß.
При использовании модели I I математическое ожидание b оказы вается равным
Ш {Ь} = (x^wx)-1 x^wg { Y } =
= |
( X Ï W X ) - 1 |
x T w (xß |
+ |
x*ß*) |
= ß |
+ x + |
ß*, |
(5.1.17) |
где матрица x + |
называется матрицей |
смещения, |
т. е. такая |
оценка |
||||
ß является смещенной. |
Однако |
можно |
показать, |
что |
выраже |
ние (5.1.14) для дисперсий и ковариаций вектора b остается справе
дливым, |
если корректной оказывается модель I I , |
а не модель I , но |
|||
оценка дисперсии оу., |
конечно, |
будет |
некорректной. |
||
|
5.1.4. |
Чувствительность |
оценок |
|
|
Д л я |
некоторого изменения Yt |
(наблюдений в |
і-м наборе дан |
||
ных) можно рассчитать чувствительность |
остаточной суммы квад |
ратов <£м и н и чувствительность элементов вектора Ь. Под чувстви
тельностью подразумевается относительное |
изменение фжиі |
(или |
bh), вызванное относительным изменением |
Yt. Определение |
чув |
ствительности может помочь в интерпретации предсказаний, сде ланных на основе уравнения регрессии, а также при планировании экспериментов. Так как
|
|
|
п |
|
|
|
|
|
i=l |
|
|
||
чувствительность <£м и н |
относительно Yt равна |
|
||||
дФмин/Фмин _ |
д І Д Фмии _ |
дФмин |
Yj _ |
2Yi^wi(Yi-Yi) |
|
|
і=1 |
(5.1.18) |
|||||
dYiJYi |
dlnYi |
dYi |
Фмин |
™ |
||
|
i=l