Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 725
Скачиваний: 2
360 Глава 5
зывается неверной и не согласуется с дисперсией У, подсчитанной для модели I I I . Например, для случая, когда нужно предсказать величину У и ее дисперсию при xt = — 1 , х2 — 1, из фиг. П.5.3.16 видно, что Var {Уц} « 0,12, тогда как Ѵаг { 7 Ш } ж 2,3. Следова тельно, в модели I I дисперсия Y значительно занижается. Кроме того, модель I I дает смещенную оценку У. Из фиг. П.5.3.1в ВИДНО, что при ХІ = — 1 , х2 = 1 смещение приблизительно равно 2,2, и даже вблизи экспериментальных точек математическое ожидание смещения лежит в пределах от 0 до 0,4.
Безусловно, данные этого примера имитированы. Однако дей ствительно важно, чтобы переменные в эксперименте были по воз можности ортогональны друг другу.
Пример 5.3.2. Дисперсионный анализ
В этом примере проводится дальнейшее исследование приме ра 5.2.1. Результаты дисперсионного анализа, согласно табл. 5.3.1,
|
|
|
|
|
Таблица |
П.5.3.2а |
|
|
Дисперсионный |
анализ |
|
|
|||
|
|
Число |
|
Сумма |
Средний |
Отноше |
|
Источник |
рассеяния |
степеней |
|
ние дис |
|||
V |
квадратов SS |
квадрат |
|||||
|
|
свободы |
персий |
||||
Обусловленный |
регрессией: |
5 |
|
1,031-10-2 |
2 , 0 6 2 - Ю - 3 |
3,05 |
|
Отклонения относительно ли |
5 |
|
3,383-10-3 |
6 , 7 6 7 - Ю - 4 |
|
||
нии регрессии: |
|
|
|
|
|
Общий |
10 |
1,370-10-2 |
представлены в табл. П.5.3.2а. Так как Fi-a (5, 5) = 5,05, гипотезу |
||
о том, что ß = 0, следует принять, что соответствует выводу, сде |
||
ланному в примере |
5.2.1. |
|
Дисперсионный |
анализ, согласно табл. 5.3.2, состоит в после |
довательном исключении групп переменных. Например, выби раются две различные группы, которые исключаются из полной
модели: 1) х3, ж4 и жБ, 2) х5, а;4, х3, х2 и х^. Если сначала |
исключает |
ся х3, а затем ж4 , то сумма квадратов для х 4 , ASS = |
7,281 - Ю - 6 , |
полученная в примере 5.2.1, не совпадает со значением 5,615 -10- 5 , приведенным в табл. П.5.3.26. Подобное отсутствие согласованно
сти наблюдается и для х5 ( 1 , 3 8 - Ю - 4 |
и 6,051 - Ю - 5 ) . Сумма квадра |
тов, соответствующая исключению |
сразу всех переменных х3, |
|
|
Линейные |
модели с |
несколькими |
переменными |
361 |
||
|
|
|
|
|
|
|
Таблица |
П.5.3.26 |
|
|
|
|
Число |
|
|
Средний |
Отношение |
Источник рассеяния |
степеней |
|
SS-105 |
|||||
|
квадрат-105 |
дисперсий |
||||||
|
|
|
|
свободы V |
|
|
|
|
Исключается |
х3 |
|
1 |
|
2,246 |
2,246 |
3,319 |
|
Исключается |
х 4 |
после |
1 |
|
5,615 |
5,615 |
8,297 |
|
исключения |
х3 |
|
|
|
|
|
|
|
Исключается |
х5 |
после |
1 |
|
6,051 |
6,051 |
8,941 |
|
исключения |
х3 |
и г 4 |
|
|
|
|
|
|
Исключаются |
х3, |
х$, х$ |
3 |
|
13,91 |
4,637 |
6,852 |
|
|
|
|
|
Число |
|
|
Средний |
Отношение |
Источник рассеяния |
степеней |
|
SS-104 |
|||||
|
квадрат-10* |
дисперсий |
||||||
|
|
|
|
свободы V |
|
|
|
|
Исключается |
х5 |
|
1 |
|
1,32 |
1,32 |
0,196 |
|
Исключается |
х^ |
после |
1 |
|
0,026 |
0,026 |
0,003 |
|
исключения |
х5 |
|
|
|
|
|
|
|
Исключается |
х3 |
после |
1 |
|
0,036 |
0,036 |
0,005 |
|
исключения |
х& и х$ |
|
|
|
|
|
||
Исключается |
хг |
после |
1 |
|
2,83 |
2,83 |
0,418 |
|
исключения х3, |
ж4 и х& |
|
|
|
|
|
||
Исключается |
|
после |
1 |
|
98,6 |
98,6 |
14,6 |
|
исключения |
xz, |
х3, х± |
|
|
|
|
|
|
и х5 |
|
свободный |
1 |
|
787 |
787 |
116 |
|
Исключается |
|
|||||||
член |
после |
исключе |
|
|
|
|
|
|
н и я |
всех ХІ |
|
|
|
|
|
|
|
х 4 и х5 , ASS = |
1,391-Ю- 4 , оказывается незначимой |
согласна |
|
^-критерию. Этот анализ показывает, что |
действительно может |
||
быть значимой |
переменной. |
|
|
5.4. О Ц Е Н И В А Н И Е П Р И З А В И С И М Ы Х |
О Ш И Б К А Х |
|
|
Обычным методом наименьших квадратов не удается |
получить |
||
удовлетворительных (в смысле разд. 3.1) точечных и интерваль |
ных оценок параметров модели, если предположить, что ненаблю даемые ошибки не являются независимыми. Этот раздел является продолжением разд. 4.6, но посвящен рассмотрению моделей с несколькими независимыми переменными. Основное предположе ние 4 разд. 4.2 теперь не выполняется; вместо этого предполагает
ся, |
что ошибки ег в |
модели (5.1.2) сериально коррелированы,. |
|
т. е. |
Ш {e^ei + 1 } =*= 0, |
но |
все еще |
|
g {et} = 0, |
|
(5.4.1) |
|
Ш {хигг} = % {xtzet} |
= . . . = % {xtqet} = 0. |
Линейные |
модели с несколькими |
переменными |
363 |
можно найти в работе [9]. Приведем здесь лишь окончательное выражение, которое дает _ приближенную оценку ковариации
(br, bs):
|
|
|
|
ч |
я |
|
|
|
|
|
Соѵ {bT, bs} ~ |
i = 1 І = 1 Д 2 |
|
, |
|
(5.4.5) |
|||
cli = Su (0) + |
(1) + |
gij |
( - 1 ) + £»j (2) |
+ |
|
|
|
|
|
|
|
n |
+ |
j(-2) |
+ |
. . . + g i j |
{k0) + |
gi}(-ko), |
|
|
|
|
|
|
|
|
|
|
|
|
8ij(k)= |
S |
(xn — Xi) (xt+h. } — X)) |
EtEt+h, |
|
||||
gij( |
— k) = |
g}i(k), |
|
|
|
|
|
|
|
kQ — индекс обрыва |
данных, |
|
|
|
|
|
|
||
Et |
= Yt—bo—bixn— |
. . . —bqxtq |
= Yt |
— |
¥t. |
|
Выражение (5.4.5) дает оценку, которая используется при опре делении совместной доверительной области и при проверке гипотез.
Существует много других моделей, в которых ошибки et не являются независимыми, но из-за недостатка места нельзя описать их здесь; список соответствующей литературы приведен в конце гл. 4.
5.5. О Ц Е Н И В А Н И Е Д Л Я М О Д Е Л Е Й С Н Е С К О Л Ь К И М И ЗАВИСИМЫМИ П Е Р Е М Е Н Н Ы М И
Нередко процесс включает более чем одну зависимую пере менную, или отклик, как показано на фиг. 5.5.1. Каждая выходная
Входные каналы |
Выходные каналы |
• у,
Процесс •У»
Ф и г . 5.5.1. Процесс с несколькими откликами .
переменная может быть представлена в виде линейной комбинации входных переменных. Например, модель на фиг. 5.5.1 можно записать в виде
Yi |
= |
ßü«i«2 + |
ßl2«2«3 + ßl3«l«3 + ei, |
Y2 |
= |
ß2 ie*1 + |
ß22«2 + ß 2 3 « 3 + e2 . |
364 |
Глава 5 |
Оценивание |
моделей с несколькими зависимыми переменными |
в некотором отношении отличается от оценивания моделей с одной зависимой переменной. Замечания, сделанные в этом разделе, справедливы как для линейных, так и для нелинейных моделей, так что модель будет записываться в общем виде
ТІІ |
= |
Ш {Yi |
I х} = |
Л (ß, х), |
г]2 |
- |
Ш { Y2 |
I x} = |
U (ß, х), |
ть = |
g { Yv |
I x} = |
/„ (ß, x), |
где индекс ѵ соответствует последнему уравнению. В общем случае не существует универсального выбора «наилучшего» критерия для оценивания ß.
Поскольку в предыдущих разделах было показано, что макси мально правдоподобные оценки параметров обладают рядом жела тельных свойств, естественно исследовать максимально правдо подобные оценки для модели с несколькими зависимыми пере менными.
Рассмотрим модель, в которой наблюдения Y связаны с откли ками следующим образом:
Ун |
= ть- + ец |
|
|
Yzi |
|
i = l , 2, ., n. |
(5.5.1) |
= f]zi -f- E 2 i |
|
||
(Первый индекс относитсяv |
к eномеру модели, а индекс і |
обозначает |
|
Y i |
= î]oi 4* c i |
|
номер набора экспериментальных данных.) Если предположить, что каждая из ошибок гті распределена нормально и независимо от других с математическим ожиданием, равным нулю, и постоян ной дисперсией о*гг, которая может быть различной для разных моделей, а ковариации между моделями равны crr s , то можно записать плотность распределения вероятности, тождественно совпадающую с выражением (5.1.11) для наблюдений с одним откликом:
р(уг\х, |
ß, a n . ) = |
fcnexp(-^eT-JLe,), |
(5.5.2) |
|
где величина |
к была дана в связи с соотношением |
(2.3.7), а 8 Г |
||
определялась |
ранее |
как |
|
|
|
|
Yri |
— і>і |
|