- •Тема 6. Статистическое изучение взаимосвязи социально-экономических явлений
- •Решение.
- •2) Степень (тесноту) связи между размером основных фондов и выпуском продукции на один завод определим с помощью линейного коэффициента корреляции (коэффициента корреляции Пирсона):
- •Тема 7. Анализ рядов динамики
- •Решение.
- •Метод наименьших квадратов
Метод наименьших квадратов
Пусть в некоторой предметной области исследуются показатели X и Y , которые имеют количественное выражение. При этом есть все основания полагать, что показатель Y зависит от показателя X.
Предположим, что после проведения п наблюдений получены следующие числовые данные:
X |
|
|
… |
|
Y |
|
|
… |
|
Эти
табличные данные также можно представить
в виде точек
,
,
…,
и
изобразить в декартовой системе координат
XОY
. Требуется подобрать функцию
,
график которой проходит как можно ближе
к точкам .
,
,
…,
.
Такую функцию называют аппроксимирующей
(аппроксимация – приближение)
или теоретической функцией.
При этом разыскиваемая функция должна
быть достаточно проста, т.е. легка в
обработке, и в то же время должна
отражать зависимость адекватно.
Один из методов нахождения таких функций называется методом наименьших квадратов. Его суть заключается в следующем. Пусть некоторая функция приближает экспериментальные данные , , …, :
Как
оценить точность данного приближения?
Вычислим значения функции
,
,
…,
и
разности (отклонения)
,
,
…,
между
экспериментальными и функциональными
значениями и оценим сумму этих отклонений.
При этом, во избежание обнуления сумы
из-за наличия отрицательных отклонений,
будем возводить их в квадрат:
, после чего будем искать такую функцию
, чтобы сумма квадратов отклонений
была
как можно меньше.
Как
отмечалось выше, подбираемая функция
должна быть достаточно проста. Но таких
функций существует немало: линейная,
гиперболическая, экспоненциальная,
логарифмическая, квадратичная
и т.д. Какой класс функций выбрать для
исследования? Проще всего изобразить
точки
,
,
…,
на
чертеже и проанализировать их расположение.
Если они имеют тенденцию располагаться
по прямой, то следует искать уравнение
прямой
с
оптимальными значениями a
и b. Иными
словами, задача состоит в нахождении
таких коэффициентов a
и b, чтобы сумма
квадратов отклонений
была наименьшей.
Если
же точки расположены, например, по
гиперболе, то заведомо понятно, что
линейная функция будет давать плохое
приближение. В этом случае ищем наиболее
«выгодные» коэффициенты a
и b для уравнения
гиперболы
.
То есть те, которые дают минимальную
сумму квадратов
.
Обратите внимание, что в обоих случаях речь идёт о функции двух переменных, аргументами которой являются параметры разыскиваемых зависимостей:
И
по существу нам требуется решить
стандартную задачу – найти минимум
функции двух переменных. Для этого
сначала вычисляют частные производные
1-го порядка. Согласно правилу линейности
дифференцировать можно прямо под значком
суммы:
Составим стандартную систему:
Сокращаем каждое уравнение на «2» и разделяем суммы:
Перепишем систему в более удобном виде:
Теперь
приступаем к решению задачи. Координаты
точек
,
,
…,
нам
известны. Суммы
,
,
,
находим
из решения системы
двух линейных уравнений с двумя
неизвестными
(a
и b).
Систему решаем, например, методом
Крамера, в
результате чего получаем стационарную
точку
.
Проверяя достаточное
условие экстремума,
можно убедиться, что в данной точке
функция
достигает
именно минимума.
Делаем
окончательный вывод: функция
наилучшим
образом приближает экспериментальные
точки
,
,
…,
,
а её график проходит максимально близко
к этим точкам.
В традициях эконометрики полученную аппроксимирующую функцию также называют уравнением парной линейной регрессии.
Источник: http://www.mathprofi.ru/metod_naimenshih_kvadratov.html
