Метод наименьших квадратов
Линейная регрессия
Пусть из опыта получены точки (x1, y1),(x2, y2)(x3, y3) ... (xn, yn). Требуется найти уравнение прямой y = ax + b, наилучшим образом согласующейся с опытными точками.
Пусть мы нашли такую прямую. Обозначим через расстояние от опытной i-точки до этой прямой (измеренное
параллельно оси y). Очевидно
(1)
Чем меньше числа по абсолютной величине, тем лучше подобрана прямая y=ax+b. В качестве
характеристики точности подбора прямой можно принять сумму квадратов
(2)
Покажем, как можно подобрать прямую так, чтобы сумма
квадратов S была минимальной. Из уравнений (1) и (2) получаем
(3)
Условия минимума S будут
(4)
(5)
Уравнения (4) и (5) можно записать в виде:
(6)
(7)
Из уравнений (6) и (7) легко найти a и b по опытным
значениям xi и yi. Прямая, определяемая
уравнениями (6) и (7), называется прямой, полученной по методу наименьших
квадратов (этим названием подчеркивается то, что сумма квадратов S имеет
минимум). Уравнения (6) и (7), из которых определяется прямая,
называются нормальными уравнениями.
Приложение
Решение системы линейных уравнений:
где А-1 - обратная матрица
В MathCad есть функция решения системы линейных уравнений lsolve(,)
назад
|