]> Методы и средства обработки экспериментальной информации
Главная Методы и средства обработки экспериментальной информации

Программа курса

Календарный план

Расписание занятий

Лекционный материал

Лабораторные работы

Самостоятельная работа студентов

Текущий и
промежуточный контроль

Вопросы коллоквиума

Литература

Результаты работы
студентов

 

Метод наименьших квадратов
Линейная регрессия

К определению линейной зависимости по методу наименьших квадратовПусть 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 дельта i расстояние от опытной i-точки до этой прямой (измеренное параллельно оси y). Очевидно

eq1(1)

Чем меньше числа дельта i по абсолютной величине, тем лучше подобрана прямая y=ax+b. В качестве характеристики точности подбора прямой можно принять сумму квадратов

eq2(2)

Покажем, как можно подобрать прямую так, чтобы сумма квадратов S была минимальной. Из уравнений (1) и (2) получаем

eq3(3)

Условия минимума S будут

eq4 (4)

eq5 (5)

Уравнения (4) и (5) можно записать в виде:

eq6(6)

eq7(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:

eq8

где А-1 - обратная матрица

В MathCad есть функция решения системы линейных уравнений lsolve(,)

eq8

назад

 

   
Daria A. Gvasaliya
Hosted by uCoz