Оценка погрешности метода наименьших квадратов.

Для этого требуется вычислить суммы квадратов отклонений данных от этих линий

Оценка погрешности метода наименьших квадратов.

и

Оценка погрешности метода наименьших квадратов.

, меньшее значение соответствует линии, которая лучше в смысле способа мельчайших квадратов аппроксимирует данные.

Оценка погрешности метода наименьших квадратов.

Так как

Оценка погрешности метода наименьших квадратов.

, то прямая y = 0.165x+2.184 лучше приближает данные.

Графическая иллюстрация способа мельчайших квадратов (мнк).

На графиках все замечательно видно. Красная линия – это отысканная прямая y = 0.165x+2.184, светло синий линия – это

Оценка погрешности метода наименьших квадратов.

, розовые точки – это данные.

Оценка погрешности метода наименьших квадратов.

Для чего это необходимо, к чему все эти аппроксимации?

Я лично использую для ответа задач сглаживания данных, экстраполяции и задач интерполяции (в исходном примере имели возможность бы попросить отыскать занчение замечаемой величины y при x=3 либо при x=6 по способу МНК). Но подробнее поболтаем об этом позднее в другом разделе сайта.

Подтверждение.

Дабы при отысканных а и b функция принимала мельчайшее значение, нужно дабы в данной точке матрица квадратичной формы дифференциала второго порядка для функции

Оценка погрешности метода наименьших квадратов.

была положительно определенной. Продемонстрируем это.

Дифференциал второго порядка имеет форму:

Оценка погрешности метода наименьших квадратов.

Другими словами

Оценка погрешности метода наименьших квадратов.

Следовательно, матрица квадратичной формы имеет форму

Оценка погрешности метода наименьших квадратов.

причем значения элементов не зависят от а и b .

Продемонстрируем, что матрица положительно определенная. Для этого необходимо, дабы угловые миноры были хорошими.

Угловой минор первого порядка

Оценка погрешности метода наименьших квадратов.

. Неравенство строгое, поскольку точки

Оценка погрешности метода наименьших квадратов.

несовпадающие. В будущем это будем подразумевать.

Угловой минор второго порядка

Оценка погрешности метода наименьших квадратов.

Докажем, что

Оценка погрешности метода наименьших квадратов.

способом математической индукции.

1. Удостоверимся в надежности справедливость неравенства для любого значения n, к примеру для n=2.

Оценка погрешности метода наименьших квадратов.

Взяли верное неравенство для любых несовпадающих значений

Оценка погрешности метода наименьших квадратов.

и

Оценка погрешности метода наименьших квадратов.

.

2. Предполагаем, что неравенство верное для n.

Оценка погрешности метода наименьших квадратов.

— верное.

3. Докажем, что неравенство верное для n+1.

Другими словами, необходимо доказать, что

Оценка погрешности метода наименьших квадратов.

исходя из предположения что

Оценка погрешности метода наименьших квадратов.

— верное.

Отправились.

Оценка погрешности метода наименьших квадратов.

Выражение в фигурных скобках положительно по предположению пункта 2), а остальные слагаемые хороши, поскольку являются квадратами чисел. Этим подтверждение завершено.

Вывод: определённые значения а и b соответствуют мельчайшему значению функции

Оценка погрешности метода наименьших квадратов.

, следовательно, являются искомыми параметрами для способа мельчайших квадратов.

11 2 Вывод уравнений МНК

Похожие статьи:

Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

Adblock
detector