Контрольные задания
Дайте определения понятий «регрессия» и «регрессионный анализ».
Покажите связь между понятием среднего и наилучшим приближением в среднеквадратическом смысле.
Запишите уравнение МНК для линейного случая в матричной форме.
Найдите коэффициенты уравнения регрессии y = ax + b методом МНК по следующей выборке измерений входной и выходной величин: (0, 0), (1, 1), (2, 1).
Используя первые три ортогональных полинома Лежандра, определите коэффициенты уравнения регрессии методом МНК по следующей выборке измерений входной и выходной величин: (–1; 0), (–0,5; 3), (0; 4,5), (0,5; 5,5), (1; 6).
Докажите лемму об обращении матриц.
Проделайте три итерации рекуррентным алгоритмом МНК, используя исходные данные из задания 4 и начальные значения параметров: a0 = 0, b0 = 1.
Примените линейную аппроксимацию МНК для определения коэффициента нелинейного уравнения модели y = ax по следующей выборке: (0, 1), (1, 2), (2, 4). Начальное значение x0 = 1.
В открытых источниках найдите информацию о динамике численности населения в России за последние 20 лет. Постройте полиномиальную модель четвертого порядка методом МНК, используя пакет MATLAB. На основании построенной модели предскажите численность населения через 10 лет.
- Е. Д. Агафонов, о. В. Шестернёва Математическое моделирование линейных динамических систем
- © Сибирский федеральный университет, 2011
- Оглавление
- Предисловие
- Глава 1 Параметрические регрессионные модели
- 1.1. Линейная регрессия
- 1.2. Метод наименьших квадратов. Критерий метода наименьших квадратов
- 1.3. Идентификация линейных по параметрам моделей с использованием метода наименьших квадратов
- 1.4. Линейный метод наименьших квадратов с использованием ортогональных полиномов
- 1.5. Рекуррентный метод наименьших квадратов
- 1.6. Линейная аппроксимация метода наименьших квадратов
- 1.7. Методы максимального правдоподобия и максимума апостериорной вероятности
- 1.8. Метод инструментальных переменных
- 1.9. Реализация метода наименьших квадратов в пакете matlab
- 1.10. Метод стохастической аппроксимации
- Контрольные задания
- Глава 2 Непараметрические регрессионные модели
- 2.1. Непараметрическая оценка плотности распределения вероятностей Розенблатта–Парзена
- 2.2. Непараметрическая оценка регрессии Надарая–Ватсона
- Контрольные задания
- Глава 3 модели линейных динамических систем
- 3.1. Способы описания линейных динамических систем
- 3.2. Модель динамической системы в виде представления Фурье (модель сигнала)
- 3.3. Частотный метод описания линейных динамических систем
- 3.4. Определение передаточной функции линейных динамических систем на основе спектральных плотностей
- Контрольные задания
- Глава 4 непараметрические модели линейных динамических систем
- 4.1. Постановка задачи идентификации линейных динамических систем
- 4.2. Математическое описание и построение непараметрической модели линейных динамических систем
- 4.3. Оптимизация непараметрических моделей линейных динамических систем
- 4.4. Непараметрические модели линейных динамических систем на основе уравнения Винера–Хопфа
- Контрольные задания
- Заключение
- Библиографический список
- Англо-русский словарь терминов
- Сходимость статистических оценок
- 660041, Г. Красноярск, пр. Свободный, 79.
- 660041, Г. Красноярск, пр. Свободный, 82а.