3.3 Парна регресія
Найбільш простий і одночасно найбільше широко застосовуваний окремий випадок парної регресії розглянемо докладніше. Модель має вигляд
(3.3.1)
Тут xi - значення фактора (незалежної змінної), - значення відгуку (залежної змінної), - статистичні похибки, - невідомі параметри, оцінювані методом найменших квадратів. Модель (3.3.1) може бути записана у вигляді:
(3.3.2)
якщо покласти
Природно прийняти, що похибки факторів описуються матрицею
У розглянутій моделі інтервального методу найменших квадратів
де X, - спостережувані значення фактора і відгуку, XR, yR - істині значення змінних, - погрішності вимірів змінних. Нехай - оцінка методу найменших квадратів, обчислена за спостережуваним значенням змінних, - аналогічна оцінка, знайдена за істинним значенням. Відповідно до раніше проведених міркувань
(3.3.3)
з точністю до нескінченно малих більш високого порядку по і . У формулі (3.3.3) використане позначення . Обчислимо праву частину в (3.3.3), виділимо головний лінійний член і знайдемо нотну.
Легко бачити, що
(3.3.4)
де підсумовування проводиться від 1 до n. Для спрощення позначень надалі і до кінця дійсного пункту не будемо вказувати ці межі підсумовування. З (3.3.4) випливає, що
(3.3.5)
Легко підрахувати, що
(3.3.6)
Покладемо
Тоді знаменник в (3.3.5) дорівнює . З (3.3.5) і (3.3.6) випливає, що
(3.3.7)
Тут і далі опустимо індекс і, по якому проводиться підсумовування. З (3.3.5) і (3.3.7) випливає:
(3.3.8)
де
Обчислимо основний множник в (3.3.3)
(3.3.9)
де
Перейдемо до обчислення другого члена з в (3.3.3). Маємо
(3.3.10)
де
Складаючи праві частини (3.3.9) і (3.3.10) і помножуючи на у, одержимо остаточний вид члена з в (3.3.3):
(3.3.11)
де
Для обчислення нотни виділимо головний лінійний член. Спочатку знайдемо частинні похідні. Маємо
(3.3.12)
Якщо обмеження мають вигляд
то максимально можливе відхилення оцінки а* параметра а через погрішності таке:
(3.3.13)
де похідні задані формулою (3.3.12).
- Вступ
- Розділ І. Лінійна багатовимірна регресія
- Розділ ІІ. Довірчі інтервали регресії. Похибка прогнозу
- Розділ ІІІ. Лінійний регресійний аналіз інтервальних даних
- 3.1 Метод найменших квадратів для інтервальних даних
- 3.2 Метод найменших квадратів для лінійної моделі
- 3.3 Парна регресія
- Розділ IV. Програмний продукт «Інтервальне значення параметрів»
- 4.1 Текст програми
- 4.2 Опис програми
- 4.3. Результати роботи програми
- Висновки