Нахождение приближающей функции в виде основных элементарных функций

Рассмотрим наиболее часто встречающиеся в практических исследованиях эмпирические зависимости.

1. Линейная функция (линейная регрессия). Начальным пунктом анализа зависимостей обычно является оценка линейной зависимости переменных. Следует при этом учитывать, однако, что "наилучшая" по методу наименьших квадратов прямая линия всегда существует, но даже наилучшая не всегда является достаточно хорошей. Если в действительности зависимость y=f(x) является квадратичной, то ее не сможет адекватно описать никакая линейная функция, хотя среди всех таких функций обязательно найдется "наилучшая". Если величины х и у вообще не связаны, мы также всегда сможем найти "наилучшую" линейную функцию y=ax+b для данной совокупности наблюдений, но в этом случае конкретные значения а и b определяются только случайными отклонениями переменных и сами будут очень сильно меняться для различных выборок из одной и той же генеральной совокупности.

Рассмотрим теперь задачу оценки коэффициентов линейной регрессии более формально. Предположим, что связь между x и y линейна и искомую приближающую функцию будем искать в виде:

                              (6)

Найдем частные производные по параметрам:

Подставим полученные соотношения в систему вида ( 5 ):

Далее имеем:

или, деля к

Введем обозначения:

                     (7)

Тогда последняя система будет иметь вид:

                             (8)

Коэффициенты этой системы M_x , M_y , M_xy , M_x² - числа, которые в каждой конкретной задаче приближения могут быть легко вычислены по формулам (7), где x_i, y_i - значения из таблицы (1). Решив систему ( 8 ), получим значения параметров a и b , а следовательно, и конкретный вид линейной функции ( 6).

Необходимым условием для выбора линейной функции в качестве искомой эмпирической формулы является соотношение [38]: