Метод наименьших квадратов

Метод наименьших квадратов, разработанный знаменитыми математиками К. Гауссом и А. Лежандром, берет свое начало от задач геодезии и астрономии. Рассмотрим его существо на примере линейной модели. Итак, пусть для представления полученных данных мы выбрали линейную модель y^*=a+bx, где х – независимая переменная, т. е., переменная, которую экспериментатор может менять по своему усмотрению; y^* - зависимая переменная или отклик; a и b – коэффициенты (параметры). Из данных, приведенных в примере, видно, что именно такой моделью (уравнением прямой линии) может быть описана зависимость.

С другой стороны, видно что реально наблюдаемые значения отклика y_i несколько отличаются от откликов y_i^*, соответствующих уравнению модели. И такое положение будет всегда, даже в тех случаях, когда зависимая и независимая переменные будут связаны строгой функциональной зависимостью. В этом случае отклонения эмпирических значений от теоретических связаны с погрешностями измерений, которые всегда имеют место.

Итак, каждому значению независимой переменной в общем случае соответствует ошибка: _i=y_i-y_i^*.

Естественно, что в зависимости от того, как будет проведена прямая, аппроксимирующая набор экспериментальных данных, величины _i будут различны. Именно, для того, чтобы избежать субъективности при построении эмпирической модели, и был разработан метод наименьших квадратов, позволяющий однозначно определить параметры выбранной модели. В основе этого метода лежит критерий минимизации суммы квадратов ошибок, т. е. требование, чтобы была минимальной.

Покажем, как используется метод наименьших квадратов на примере оценки параметров для уравнения y^*=a+bx.

В общем случае необходимо решить систему уравнений:

, из которых находятся коэффициенты a и b.

Подставляя данные из примера, получаем:

16,3=7a+56b

107=56a+560b

Откуда a=4, b=-0,209.

В таблице приведено сравнение между реальными и теоретическими данными, а также величины ошибок.