3. Ukadiriaji wa kazi kwa kutumia mbinu
angalau mraba
Mbinu ya angalau miraba inatumika wakati wa kuchakata matokeo ya majaribio ya makadirio (makadirio) data ya majaribio formula ya uchambuzi. Aina maalum ya formula huchaguliwa, kama sheria, kwa sababu za kimwili. Fomula kama hizo zinaweza kuwa:
na wengine.
Kiini cha njia ya mraba mdogo ni kama ifuatavyo. Acha matokeo ya kipimo yawekwe kwenye jedwali:
Jedwali 4 |
||||
x n |
||||
y n |
(3.1) |
wapi f - kazi inayojulikana, a 0, a 1 , …, a m - vigezo vya mara kwa mara visivyojulikana ambavyo maadili lazima yapatikane. Katika mbinu ya angalau miraba, ukadiriaji wa chaguo za kukokotoa (3.1) hadi utegemezi wa majaribio huchukuliwa kuwa bora zaidi ikiwa hali itatimizwa.
(3.2) |
hiyo ni kiasi a mikengeuko ya mraba ya kitendakazi cha uchanganuzi inayotakikana kutoka kwa utegemezi wa majaribio inapaswa kuwa ndogo .
Kumbuka kwamba kazi Q kuitwa mabaki.
Tangu kutofautiana
basi ina kiwango cha chini. Hali ya lazima kwa kiwango cha chini cha kazi ya vigezo kadhaa ni usawa hadi sifuri ya derivatives zote za sehemu ya kazi hii kwa heshima na vigezo. Kwa hivyo, kupata maadili bora ya vigezo vya kazi inayokaribia (3.1), ambayo ni, maadili yao ambayo Q = Q (a 0 , a 1 , ..., a m ) ni ndogo, inapunguza kutatua mfumo wa equations:
(3.3) |
Njia ya miraba ndogo inaweza kupewa tafsiri ifuatayo ya kijiometri: kati ya familia isiyo na kikomo ya mistari ya aina fulani, mstari mmoja hupatikana ambayo jumla ya tofauti za mraba za alama za alama za majaribio na ratibu zinazolingana za alama zilizopatikana. kwa equation ya mstari huu itakuwa ndogo zaidi.
Kutafuta vigezo vya kazi ya mstari
Acha data ya majaribio iwakilishwe na kitendakazi cha mstari:
Inahitajika kuchagua maadili yafuatayo a na b , ambayo kazi
(3.4) |
itakuwa ndogo. Masharti muhimu ya kiwango cha chini cha kazi (3.4) yamepunguzwa kwa mfumo wa equations:
|
Baada ya mabadiliko, tunapata mfumo wa milinganyo miwili ya mstari na mbili zisizojulikana:
|
(3.5) |
kutatua ambayo, tunapata maadili yanayotakiwa ya vigezo a na b.
Kupata Vigezo vya Kazi ya Quadratic
Ikiwa kipengele cha kukadiria ni utegemezi wa quadratic
kisha vigezo vyake a, b, c kupatikana kutoka kwa hali ya chini ya chaguo la kukokotoa:
(3.6) |
Masharti ya kiwango cha chini cha utendakazi (3.6) yamepunguzwa kwa mfumo wa equations:
|
Baada ya mabadiliko, tunapata mfumo wa milinganyo mitatu ya mstari na tatu zisizojulikana:
|
(3.7) |
katika suluhisho ambalo tunapata maadili yanayotakiwa ya vigezo a, b na c.
Mfano . Acha jaribio litokeze katika jedwali lifuatalo la maadili x na y:
Jedwali 5 |
||||||||
y i |
0,705 |
0,495 |
0,426 |
0,357 |
0,368 |
0,406 |
0,549 |
0,768 |
Inahitajika kukadiria data ya majaribio kwa utendakazi wa mstari na wa robo.
Suluhisho. Kutafuta vigezo vya kazi zinazokaribia hupunguzwa kwa kutatua mifumo ya equations ya mstari (3.5) na (3.7). Ili kutatua tatizo, tutatumia processor ya lahajedwali Excel.
1. Kwanza, hebu tuunganishe laha 1 na 2. Ingiza maadili ya majaribio x mimi na y i kwenye safu A na B, kuanzia mstari wa pili (tutaweka vichwa vya safu kwenye mstari wa kwanza). Kisha tunahesabu hesabu za nguzo hizi na kuziweka kwenye safu ya kumi.
Katika safuwima C–G weka hesabu na majumuisho kwa mtiririko huo
2. Wacha tufungue laha Tutafanya hesabu zaidi kwa njia sawa kwa utegemezi wa mstari kwenye Laha 1 na utegemezi wa quadratic kwenye Laha 2.
3. Chini ya meza inayosababisha, tutaunda matrix ya coefficients na vector ya safu ya maneno ya bure. Wacha tusuluhishe mfumo wa hesabu za mstari kwa kutumia algorithm ifuatayo:
Ili kuhesabu matrix inverse na kuzidisha matrices, tunatumia Mwalimu kazi na kazi MOBR Na MMNIFE.
4. Katika kizuizi cha seli H2: H 9 kulingana na mgawo uliopatikana tunahesabu thamani inayokadiriwa polynomialy i hesabu., katika block I 2: I 9 - kupotoka D y i = y i exp. - y i hesabu., katika safu J - mabaki:
Jedwali zinazotokana na zile zilizojengwa kwa kutumia Wachawi wa Chati grafu zimeonyeshwa kwenye Mchoro 6, 7, 8.
Mchele. 6. Jedwali la kuhesabu coefficients ya kazi ya mstari,
takriban data ya majaribio.
Mchele. 7. Jedwali la kuhesabu coefficients ya kazi ya quadratic,
takribandata ya majaribio.
Mchele. 8. Uwakilishi wa picha wa matokeo ya kukadiria
data ya majaribio kwa vipengele vya mstari na vya robo.
Jibu. Data ya majaribio ilikadiriwa na utegemezi wa mstari y = 0,07881 x + 0,442262 na mabaki Q = 0,165167 na utegemezi wa quadratic y = 3,115476 x 2 – 5,2175 x + 2,529631 na mabaki Q = 0,002103 .
Kazi. Kadiria chaguo la kukokotoa lililotolewa na jedwali, vitendakazi vya mstari na quadratic.
Jedwali 6 |
|||||||||||||||||||||||||||||||||||||||||||
№0 |
x |
0,1 |
0,2 |
0,3 |
0,4 |
0,5 |
0,6 |
0,7 |
0,8 |
||||||||||||||||||||||||||||||||||
y |
3,030 |
3,142 |
3,358 |
3,463 |
3,772 |
3,251 |
3,170 |
3,665 |
|||||||||||||||||||||||||||||||||||
№ 1 |
|||||||||||||||||||||||||||||||||||||||||||
3,314 |
3,278 |
3,262 |
3,292 |
3,332 |
3,397 |
3,487 |
3,563 |
||||||||||||||||||||||||||||||||||||
№ 2 |
|||||||||||||||||||||||||||||||||||||||||||
1,045 |
1,162 |
1,264 |
1,172 |
1,070 |
0,898 |
0,656 |
0,344 |
||||||||||||||||||||||||||||||||||||
№ 3 |
|||||||||||||||||||||||||||||||||||||||||||
6,715 |
6,735 |
6,750 |
6,741 |
6,645 |
6,639 |
6,647 |
6,612 |
||||||||||||||||||||||||||||||||||||
№ 4 |
|||||||||||||||||||||||||||||||||||||||||||
2,325 |
2,515 |
2,638 |
2,700 |
2,696 |
2,626 |
2,491 |
2,291 |
||||||||||||||||||||||||||||||||||||
№ 5 |
|||||||||||||||||||||||||||||||||||||||||||
1.752 |
1,762 |
1,777 |
1,797 |
1,821 |
1,850 |
1,884 |
1,944 |
||||||||||||||||||||||||||||||||||||
№ 6 |
|||||||||||||||||||||||||||||||||||||||||||
1,924 |
1,710 |
1,525 |
1,370 |
1,264 |
1,190 |
1,148 |
1,127 |
||||||||||||||||||||||||||||||||||||
№ 7 |
|||||||||||||||||||||||||||||||||||||||||||
1,025 |
1,144 |
1,336 |
1,419 |
1,479 |
1,530 |
1,568 |
1,248 |
||||||||||||||||||||||||||||||||||||
№ 8 |
|||||||||||||||||||||||||||||||||||||||||||
5,785 |
5,685 |
5,605 |
5,545 |
5,505 |
5,480 |
5,495 |
5,510 |
||||||||||||||||||||||||||||||||||||
№ 9 |
|||||||||||||||||||||||||||||||||||||||||||
4,052 |
4,092 |
4,152 |
4,234 |
4,338 |
4,468 |
4,599 |
Baada ya kusawazisha, tunapata kazi ya fomu ifuatayo: g (x) = x + 1 3 + 1 . Tunaweza kukadiria data hii kwa kutumia uhusiano wa mstari y = a x + b kwa kuhesabu vigezo vinavyolingana. Ili kufanya hivyo, tutahitaji kutumia njia inayoitwa angalau mraba. Pia utahitaji kutengeneza mchoro ili kuangalia ni mstari upi utakaosawazisha data ya majaribio vyema. Yandex.RTB R-A-339285-1 OLS ni nini (njia ya angalau mraba)Jambo kuu tunalohitaji kufanya ni kupata mgawo kama huo wa utegemezi wa mstari ambao thamani ya kazi ya vigezo viwili F (a, b) = ∑ i = 1 n (y i - (a x i + b)) 2 itakuwa ndogo zaidi. Kwa maneno mengine, kwa maadili fulani ya a na b, jumla ya upungufu wa mraba wa data iliyowasilishwa kutoka kwa mstari wa moja kwa moja unaosababishwa utakuwa na thamani ya chini. Hii ndiyo maana ya mbinu ya angalau miraba. Tunachohitaji kufanya ili kutatua mfano ni kupata upeo wa kazi ya vigezo viwili. Jinsi ya kupata fomula za kuhesabu coefficientsIli kupata fomula za kuhesabu coefficients, unahitaji kuunda na kutatua mfumo wa equations na vigezo viwili. Ili kufanya hivyo, tunahesabu derivatives ya sehemu ya usemi F (a, b) = ∑ i = 1 n (y i - (a x i + b)) 2 kwa heshima na a na b na kuzilinganisha na 0. δ F (a , b) δ a = 0 δ F (a , b) δ b = 0 ⇔ - 2 ∑ i = 1 n (y i - (a x i + b)) x i = 0 - 2 ∑ i = 1 n ( y i - (a x i + b)) = 0 ⇔ a ∑ i = 1 n x i 2 + b ∑ i = 1 n x i = ∑ i = 1 n x i y i a ∑ i = 1 n x i + ∑ i = 1 n b = ∑ i = 1 n ay ∑ i = 1 n x i 2 + b ∑ i = 1 n x i = ∑ i = 1 n x i y i a ∑ i = 1 n x i + n b = ∑ i = 1 n y i Ili kutatua mfumo wa equations, unaweza kutumia njia yoyote, kwa mfano, mbadala au njia ya Cramer. Kwa hivyo, tunapaswa kuwa na fomula zinazoweza kutumiwa kukokotoa vigawo kwa kutumia mbinu ya angalau miraba. n ∑ i = 1 n x i y i - ∑ i = 1 n x i ∑ i = 1 n y i n ∑ i = 1 n - ∑ i = 1 n x i 2 b = ∑ i = 1 n y i - a ∑ i = 1 n x i n Tumekokotoa thamani za viambajengo ambamo chaguo la kukokotoa Huu ni utumiaji wa njia ya miraba ndogo katika mazoezi. Fomula yake, ambayo hutumika kupata kigezo a, inajumuisha ∑ i = 1 n x i, ∑ i = 1 n y i, ∑ i = 1 n x i y i, ∑ i = 1 n x i 2, pamoja na parameta. Hebu turudi kwenye mfano wa awali. Mfano 1 Hapa tuna n sawa na tano. Ili iwe rahisi zaidi kuhesabu kiasi kinachohitajika kilichojumuishwa katika fomula za mgawo, hebu tujaze meza.
Suluhisho Safu ya nne ni pamoja na data iliyopatikana kwa kuzidisha maadili kutoka safu ya pili na maadili ya tatu kwa kila mtu i. Mstari wa tano una data kutoka kwa pili, mraba. Safu wima ya mwisho inaonyesha jumla ya maadili ya safu mlalo mahususi. Wacha tutumie njia ya miraba ndogo zaidi kukokotoa mgawo a na b tunayohitaji. Ili kufanya hivyo, badilisha maadili yanayotakiwa kutoka kwa safu ya mwisho na uhesabu kiasi: n ∑ i = 1 n x i y i - ∑ i = 1 n x i ∑ i = 1 n y i n ∑ i = 1 n - ∑ i = 1 n x i 2 b = ∑ i = 1 n y i - a ∑ i = 1 n x i n ⇒ 3 a = 8 . - 12 12, 9 5 46 - 12 2 b = 12, 9 - a 12 5 ⇒ a ≈ 0, 165 b ≈ 2, 184 Inabadilika kuwa mstari wa moja kwa moja unaokaribia unaohitajika utaonekana kama y = 0, 165 x + 2, 184. Sasa tunahitaji kuamua ni mstari gani utakaokadiria data vizuri zaidi - g (x) = x + 1 3 + 1 au 0, 165 x + 2, 184. Wacha tukadirie kwa kutumia njia ya miraba kidogo zaidi. Ili kuhesabu kosa, tunahitaji kupata jumla ya kupotoka kwa mraba wa data kutoka kwa mistari ya moja kwa moja σ 1 = ∑ i = 1 n (y i - (a x i + b i)) 2 na σ 2 = ∑ i = 1 n (y i) - g (x i)) 2, thamani ya chini itafanana na mstari unaofaa zaidi. σ 1 = ∑ i = 1 n (y i - (a x i + b i)) 2 = = ∑ i = 1 5 (y i - (0, 165 x i + 2, 184)) 2 ≈ 0, 019 σ 2 = ∑ i = 1 n (y i - g (x i)) 2 = = ∑ i = 1 5 (y i - (x i + 1 3 + 1)) 2 ≈ 0.096 Jibu: tangu σ 1< σ 2 , то прямой, наилучшим образом аппроксимирующей исходные данные, будет Njia ya miraba ndogo inaonyeshwa wazi katika mchoro wa picha. Mstari mwekundu unaashiria mstari wa moja kwa moja g (x) = x + 1 3 + 1, mstari wa bluu alama y = 0, 165 x + 2, 184. Data ya awali inaonyeshwa na dots pink. Hebu tueleze ni kwa nini hasa makadirio ya aina hii yanahitajika. Zinaweza kutumika katika kazi zinazohitaji kulainisha data, na vile vile katika zile ambapo data lazima iingizwe au kuongezwa. Kwa mfano, katika tatizo lililojadiliwa hapo juu, mtu anaweza kupata thamani ya kiasi kinachozingatiwa y kwa x = 3 au kwa x = 6. Tumetoa nakala tofauti kwa mifano kama hii. Uthibitisho wa njia ya OLSIli kazi kuchukua thamani ya chini wakati a na b zinahesabiwa, ni muhimu kwamba katika hatua fulani matrix ya fomu ya quadratic ya tofauti ya kazi ya fomu F (a, b) = ∑ i = 1 n (y i - (a x i + b)) 2 ni chanya uhakika. Hebu tuonyeshe jinsi inapaswa kuonekana. Mfano 2 Tuna tofauti ya mpangilio wa pili wa fomu ifuatayo: d 2 F (a ; b) = δ 2 F (a ; b) δ a 2 d 2 a + 2 δ 2 F (a ; b) δ a δ b d a d b + δ 2 F (a ; b) δ b 2 d 2 b Suluhisho δ 2 F (a ; b) δ a 2 = δ δ F (a ; b) δ a δ a = = δ - 2 ∑ i = 1 n (y i - (a x i + b)) x i δ a = 2 ∑ i = 1 n (x i) 2 δ 2 F (a; b) δ a δ b = δ δ F (a; b) δ a δ b = = δ - 2 ∑ i = 1 n (y i - (a x i + b) ) x i δ b = 2 ∑ i = 1 n x i δ 2 F (a; b) δ b 2 = δ δ F (a ; b) δ b δ b = δ - 2 ∑ i = 1 n (y i - (a x i + b)) δ b = 2 ∑ i = 1 n (1) = 2 n Kwa maneno mengine, tunaweza kuiandika hivi: d 2 F (a ; b) = 2 ∑ i = 1 n (x i) 2 d 2 a + 2 2 ∑ x i i = 1 n d a d b + (2 n) d 2 b. Tulipata matrix ya fomu ya quadratic M = 2 ∑ i = 1 n (x i) 2 2 ∑ i = 1 n x i 2 ∑ i = 1 n x i 2 n. Katika kesi hii, maadili ya vitu vya mtu binafsi hayatabadilika kulingana na a na b . Je! tumbo hili ni chanya? Ili kujibu swali hili, hebu tuangalie ikiwa watoto wake wa angular ni chanya. Tunahesabu ndogo ya angular ya utaratibu wa kwanza: 2 ∑ i = 1 n (x i) 2 > 0. Kwa kuwa pointi x silingani, ukosefu wa usawa ni mkali. Tutazingatia hili katika mahesabu zaidi. Tunahesabu agizo la pili la angular: d e t (M) = 2 ∑ i = 1 n (x i) 2 2 ∑ i = 1 n x i 2 ∑ i = 1 n x i 2 n = 4 n ∑ i = 1 n (x i) 2 - ∑ i = 1 n x i 2 Baada ya hayo, tunaendelea kuthibitisha ukosefu wa usawa n ∑ i = 1 n (x i) 2 - ∑ i = 1 n x i 2 > 0 kwa kutumia uingizaji wa hisabati.
2 ∑ i = 1 2 (x i) 2 - ∑ i = 1 2 x i 2 = 2 x 1 2 + x 2 2 - x 1 + x 2 2 = = x 1 2 - 2 x 1 x 2 + x 2 2 = x 1 + x 2 2 > 0 Tumepata usawa sahihi (ikiwa thamani x 1 na x 2 hazilingani).
Tunahesabu: (n + 1) ∑ i = 1 n + 1 (x i) 2 - ∑ i = 1 n + 1 x i 2 = = (n + 1) ∑ i = 1 n (x i) 2 + x n + 1 2 - ∑ i = 1 n x i + x n + 1 2 = = n ∑ i = 1 n (x i) 2 + n x n + 1 2 + ∑ i = 1 n (x i) 2 + x n + 1 2 - - ∑ i = 1 n x i 2 + 2 x n + 1 ∑ i = 1 n x i + x n + 1 2 = = ∑ i = 1 n (x i) 2 - ∑ i = 1 n x i 2 + n x n + 1 2 - x n + 1 ∑ i = 1 n x i + ∑ i = 1 n (x i) 2 = = ∑ i = 1 n (x i) 2 - ∑ i = 1 n x i 2 + x n + 1 2 - 2 x n + 1 x 1 + x 1 2 + + x n + 1 2 - 2 x n + 1 x 2 + x 2 2 + . . . + x n + 1 2 - 2 x n + 1 x 1 + x n 2 = = n ∑ i = 1 n (x i) 2 - ∑ i = 1 n x i 2 + + + (x n + 1 - x 1) 2 + (x n + 1) - x 2) 2 + . . . + (x n - 1 - x n) 2 > 0 Usemi ulioambatanishwa katika viunga vya curly utakuwa mkubwa kuliko 0 (kulingana na kile tulichofikiri katika hatua ya 2), na maneno yaliyobaki yatakuwa makubwa kuliko 0, kwa kuwa yote ni miraba ya nambari. Tumethibitisha ukosefu wa usawa. Jibu: kupatikana a na b italingana na thamani ndogo zaidi ya kazi F (a, b) = ∑ i = 1 n (y i - (a x i + b)) 2, ambayo ina maana kwamba ni vigezo vinavyohitajika vya mbinu ya angalau mraba. (LSM). Ukiona hitilafu katika maandishi, tafadhali yaangazie na ubonyeze Ctrl+Enter Inatumika sana katika uchumi kwa namna ya tafsiri ya wazi ya kiuchumi ya vigezo vyake. Urejeshaji wa mstari huja chini kupata mlingano wa fomu
au Mlinganyo wa fomu Ujenzi wa urejeshaji wa mstari unakuja chini kwa kukadiria vigezo vyake - A Na V. Makadirio ya parameta ya urejeshaji wa mstari yanaweza kupatikana kwa kutumia mbinu tofauti. Mbinu ya kitamaduni ya kukadiria vigezo vya rejista ya mstari inategemea njia ya angalau mraba(MNC). Njia ya angalau miraba huturuhusu kupata makadirio kama haya ya vigezo A Na V, ambapo jumla ya mikengeuko ya mraba ya maadili halisi ya sifa ya matokeo (y) kutoka kwa mahesabu (kinadharia) kiwango cha chini: Ili kupata kiwango cha chini cha chaguo za kukokotoa, unahitaji kuhesabu sehemu ya sehemu kwa kila kigezo A Na b na kuziweka sawa na sifuri. Hebu kuashiria Kubadilisha fomula, tunapata mfumo ufuatao wa milinganyo ya kawaida ya kukadiria vigezo A Na V: Kutatua mfumo wa hesabu za kawaida (3.5) ama kwa njia ya uondoaji wa mlolongo wa vigezo au kwa njia ya viashiria, tunapata makadirio yanayotakiwa ya vigezo. A Na V. Kigezo V inayoitwa mgawo wa urejeshaji. Thamani yake inaonyesha mabadiliko ya wastani katika matokeo na mabadiliko ya kipengele kwa kitengo kimoja. Equation ya regression daima huongezewa na kiashiria cha ukaribu wa muunganisho. Wakati wa kutumia urejeshaji wa mstari, kiashiria kama hicho ni mgawo wa uunganisho wa mstari. Kuna marekebisho tofauti ya fomula ya mgawo wa uunganisho wa mstari. Baadhi yao wamepewa hapa chini: Kama inavyojulikana, mgawo wa uunganisho wa mstari uko ndani ya mipaka: -1 ≤ ≤ 1. Ili kutathmini ubora wa uteuzi wa kazi ya mstari, mraba huhesabiwa Mgawo wa uunganisho wa mstari unaoitwa mgawo wa uamuzi. Mgawo wa uamuzi ni sifa ya uwiano wa kutofautiana kwa sifa inayotokana y, iliyoelezewa na rejista, katika tofauti ya jumla ya sifa inayosababishwa: Ipasavyo, thamani 1 inaashiria sehemu ya tofauti y, unasababishwa na ushawishi wa mambo mengine ambayo hayajazingatiwa katika mfano. Maswali ya kujidhibiti 1. Kiini cha mbinu ya angalau miraba? 2. Je, urejeshaji rejea wa jozi hutoa vigeu vingapi? 3. Ni mgawo gani huamua ukaribu wa uhusiano kati ya mabadiliko? 4. Ndani ya mipaka gani mgawo wa uamuzi umeamua? 5. Makadirio ya parameta b katika uchanganuzi wa urejeleaji wa uunganisho? 1. Christopher Dougherty. Utangulizi wa uchumi. - M.: INFRA - M, 2001 - 402 p. 2. S.A. Borodich. Uchumi. Minsk LLC "Maarifa Mpya" 2001. 3. R.U. Rakhmetova Kozi fupi katika uchumi. Mafunzo. Almaty. 2004. -78p. 4. I.I. Eliseeva. - M.: "Fedha na Takwimu", 2002 5. Taarifa za kila mwezi na gazeti la uchambuzi. Mifano ya kiuchumi isiyo ya mstari. Miundo ya urejeshaji isiyo ya mstari. Mabadiliko ya vigezo.Miundo ya kiuchumi isiyo ya mstari.. Mabadiliko ya vigezo. Mgawo wa elasticity. Ikiwa kuna uhusiano usio na mstari kati ya matukio ya kiuchumi, basi huonyeshwa kwa kutumia kazi zinazofanana zisizo za mstari: kwa mfano, hyperbola ya usawa. Kuna aina mbili za rejista zisizo za mstari:1. Marekebisho ambayo hayana mstari kuhusiana na vigezo vya maelezo vilivyojumuishwa katika uchanganuzi, lakini vinafuatana kwa kuzingatia vigezo vilivyokadiriwa, kwa mfano: Polynomials za digrii mbalimbali - Hyperbola ya usawa -; Kazi ya semilogarithmic -. 2. Marekebisho ambayo hayana mstari katika vigezo vinavyokadiriwa, kwa mfano: Nguvu -; Kuonyesha -; Kielelezo -. Jumla ya mikengeuko ya mraba ya maadili ya mtu binafsi ya tabia inayosababisha katika kutoka kwa thamani ya wastani husababishwa na ushawishi wa sababu nyingi. Wacha tugawanye kwa masharti seti nzima ya sababu katika vikundi viwili: kipengele chini ya utafiti x Na mambo mengine. Ikiwa sababu haiathiri matokeo, basi mstari wa rejista kwenye grafu ni sambamba na mhimili. Oh Na Kisha tofauti nzima ya tabia inayotokana ni kutokana na ushawishi wa mambo mengine na jumla ya jumla ya kupotoka kwa mraba itafanana na mabaki. Ikiwa mambo mengine hayaathiri matokeo, basi y amefungwa Na X kiutendaji na jumla iliyobaki ya miraba ni sifuri. Katika kesi hii, jumla ya mikengeuko ya mraba iliyoelezewa na urejeshaji ni sawa na jumla ya miraba. Kwa kuwa sio alama zote za uwanja wa uunganisho ziko kwenye mstari wa rejista, kutawanya kwao kila wakati hufanyika kama matokeo ya ushawishi wa sababu. X, yaani kurudi nyuma katika Na X, na kusababishwa na sababu nyingine (tofauti isiyoelezeka). Utoshelevu wa safu ya rejista kwa utabiri inategemea ni sehemu gani ya tofauti ya jumla ya sifa katika akaunti kwa tofauti iliyoelezwa Ni wazi, ikiwa jumla ya mikengeuko ya mraba kwa sababu ya kurudi nyuma ni kubwa kuliko jumla iliyobaki ya miraba, basi mlinganyo wa rejista ni muhimu kitakwimu na sababu X ina athari kubwa kwa matokeo u. , yaani, na idadi ya uhuru wa tofauti huru ya sifa. Idadi ya digrii za uhuru inahusiana na idadi ya vitengo vya idadi ya watu n na idadi ya viwango vilivyoamuliwa kutoka kwayo. Kuhusiana na shida inayochunguzwa, idadi ya digrii za uhuru inapaswa kuonyesha ni mikengeuko mingapi ya kujitegemea kutoka P Tathmini ya umuhimu wa mlinganyo wa kurejesha kwa ujumla hutolewa kwa kutumia F-Kigezo cha wavuvi. Katika kesi hii, hypothesis isiyofaa inawekwa mbele kwamba mgawo wa regression ni sawa na sifuri, i.e. b = 0, na kwa hivyo sababu X haiathiri matokeo u. Hesabu ya haraka ya jaribio la F hutanguliwa na uchanganuzi wa tofauti. Mahali pa kati ndani yake huchukuliwa na mtengano wa jumla ya upungufu wa mraba wa kutofautisha. katika kutoka kwa thamani ya wastani katika katika sehemu mbili - "iliyoelezewa" na "isiyoelezewa":
Jumla ya mikengeuko ya mraba inahusiana na idadi ya digrii za uhuru , yaani, na idadi ya uhuru wa tofauti huru ya sifa. Idadi ya digrii za uhuru inahusiana na idadi ya vitengo vya idadi ya watu n na kwa idadi ya viunga vilivyoamuliwa kutoka kwayo. Kuhusiana na shida inayochunguzwa, idadi ya digrii za uhuru inapaswa kuonyesha ni mikengeuko mingapi ya kujitegemea kutoka P iwezekanavyo inahitajika kuunda jumla fulani ya mraba. Mtawanyiko kwa kiwango cha uhuruD. Uwiano wa F (Jaribio la F): Ikiwa nadharia tupu ni kweli, basi sababu na tofauti za mabaki hazitofautiani kutoka kwa kila mmoja. Kwa H 0, kukanusha ni muhimu ili mtawanyiko wa sababu uzidi utawanyiko wa mabaki mara kadhaa. Mtaalamu wa takwimu wa Kiingereza Snedekor alitengeneza majedwali ya maadili muhimu F-mahusiano katika viwango tofauti vya umuhimu wa nadharia tupu na idadi tofauti ya digrii za uhuru. Thamani ya jedwali F-kigezo ni thamani ya juu zaidi ya uwiano wa tofauti zinazoweza kutokea katika kesi ya mseto wa nasibu kwa kiwango fulani cha uwezekano wa kuwepo kwa dhana potofu. Thamani iliyohesabiwa F-mahusiano huchukuliwa kuwa ya kuaminika ikiwa o ni kubwa kuliko jedwali. Katika kesi hii, dhana potofu juu ya kukosekana kwa uhusiano kati ya ishara inakataliwa na hitimisho linatolewa juu ya umuhimu wa uhusiano huu: F ukweli > F jedwali H 0 imekataliwa. Ikiwa thamani ni chini ya jedwali F ukweli ‹, F jedwali, basi uwezekano wa nadharia tupu ni ya juu kuliko kiwango maalum na haiwezi kukataliwa bila hatari kubwa ya kutoa hitimisho lisilo sahihi kuhusu uwepo wa uhusiano. Katika kesi hii, equation ya regression inachukuliwa kuwa isiyo na maana kitakwimu. Lakini yeye hageuki. Hitilafu ya kawaida ya mgawo wa kurejesha Ili kutathmini umuhimu wa mgawo wa urekebishaji, thamani yake inalinganishwa na hitilafu yake ya kawaida, i.e. thamani halisi imedhamiriwa t- Mtihani wa mwanafunzi: Hitilafu ya kigezo cha kawaida A: Umuhimu wa mgawo wa uunganisho wa mstari huangaliwa kulingana na ukubwa wa hitilafu. mgawo wa uwiano t r: Tofauti ya jumla ya sifa X: Urejeshaji wa Mistari Nyingi Jengo la mfano Rejea nyingi inawakilisha mrejesho wa sifa faafu yenye vipengele viwili au zaidi, yaani kielelezo cha umbo Kurudi nyuma kunaweza kutoa matokeo mazuri katika uundaji wa mfano ikiwa ushawishi wa mambo mengine yanayoathiri kitu cha utafiti unaweza kupuuzwa. Tabia ya vigezo vya kiuchumi vya mtu binafsi haiwezi kudhibitiwa, i.e. haiwezekani kuhakikisha usawa wa hali zingine zote za kutathmini ushawishi wa jambo moja chini ya utafiti. Katika kesi hii, unapaswa kujaribu kutambua ushawishi wa mambo mengine kwa kuwaanzisha katika mfano, i.e., kuunda equation nyingi za rejista: y = a+b 1 x 1 +b 2 +…+b p x p + . Lengo kuu la regression nyingi ni kujenga mfano na idadi kubwa ya mambo, wakati wa kuamua ushawishi wa kila mmoja wao tofauti, pamoja na athari zao za pamoja kwenye kiashiria cha mfano. Uainishaji wa modeli ni pamoja na safu mbili za maswala: uteuzi wa sababu na uchaguzi wa aina ya mlinganyo wa rejista. Njia ya mraba mdogo (OLS) hukuruhusu kukadiria idadi tofauti kwa kutumia matokeo ya vipimo vingi vyenye makosa ya nasibu. Tabia za MNEs Wazo kuu la njia hii ni kwamba jumla ya makosa ya mraba inachukuliwa kuwa kigezo cha usahihi wa kutatua shida, ambayo wanajitahidi kuipunguza. Wakati wa kutumia njia hii, mbinu zote za nambari na za uchambuzi zinaweza kutumika. Hasa, kama utekelezaji wa nambari, mbinu ya miraba ndogo inahusisha kuchukua vipimo vingi iwezekanavyo vya tofauti isiyojulikana isiyojulikana. Aidha, mahesabu zaidi, suluhisho litakuwa sahihi zaidi. Kulingana na seti hii ya mahesabu (data ya awali), seti nyingine ya ufumbuzi wa makadirio hupatikana, ambayo bora zaidi huchaguliwa kisha. Ikiwa seti ya ufumbuzi ni parameterized, basi njia ya mraba ndogo itapunguzwa ili kupata thamani mojawapo ya vigezo. Kama njia ya uchambuzi ya utekelezaji wa LSM kwenye seti ya data ya awali (vipimo) na seti inayotarajiwa ya suluhisho, moja (ya kazi) imedhamiriwa, ambayo inaweza kuonyeshwa na fomula iliyopatikana kama nadharia fulani ambayo inahitaji uthibitisho. Katika kesi hii, mbinu ya angalau miraba inakuja ili kupata kiwango cha chini zaidi cha utendakazi huu kwenye seti ya makosa ya mraba ya data asili. Tafadhali kumbuka kuwa sio makosa yenyewe, lakini miraba ya makosa. Kwa nini? Ukweli ni kwamba mara nyingi kupotoka kwa vipimo kutoka kwa thamani halisi ni chanya na hasi. Wakati wa kuamua wastani, muhtasari rahisi unaweza kusababisha hitimisho lisilo sahihi juu ya ubora wa makadirio, kwani kufutwa kwa maadili chanya na hasi kutapunguza nguvu ya sampuli za vipimo vingi. Na, kwa hiyo, usahihi wa tathmini. Ili kuzuia hili kutokea, mikengeuko ya mraba imefupishwa. Zaidi ya hayo, ili kusawazisha kipimo cha thamani iliyopimwa na makadirio ya mwisho, jumla ya makosa ya mraba hutolewa. Baadhi ya maombi ya MNC MNC inatumika sana katika nyanja mbalimbali. Kwa mfano, katika nadharia ya uwezekano na takwimu za hisabati, njia hutumiwa kuamua sifa kama hiyo ya kutofautisha bila mpangilio kama kupotoka kwa kawaida, ambayo huamua upana wa anuwai ya maadili ya anuwai ya nasibu. Ambayo hupata matumizi mapana zaidi katika nyanja mbali mbali za sayansi na shughuli za vitendo. Hii inaweza kuwa fizikia, kemia, biolojia, uchumi, sosholojia, saikolojia, na kadhalika na kadhalika. Kwa mapenzi ya hatima, mara nyingi ninalazimika kushughulika na uchumi, na kwa hivyo leo nitakupangia safari ya kwenda nchi ya kushangaza inayoitwa. Uchumi=) ...Usitakeje?! Ni nzuri sana huko - unahitaji tu kufanya uamuzi! ...Lakini unachotaka kwa hakika ni kujifunza jinsi ya kutatua matatizo njia ya angalau mraba. Na hasa wasomaji wenye bidii watajifunza kutatua sio tu kwa usahihi, lakini pia kwa HARAKA SANA ;-) Lakini kwanza. taarifa ya jumla ya tatizo+ mfano unaoandamana: Tuseme kwamba katika eneo fulani la somo, viashiria ambavyo vina usemi wa kiasi vinasomwa. Wakati huo huo, kuna kila sababu ya kuamini kwamba kiashiria kinategemea kiashiria. Dhana hii inaweza kuwa nadharia ya kisayansi au msingi wa akili ya kawaida. Wacha tuache sayansi kando, hata hivyo, na tuchunguze maeneo ya kupendeza zaidi - ambayo ni, maduka ya mboga. Wacha tuashiria kwa: - eneo la rejareja la duka la mboga, sq.m., Ni wazi kabisa kwamba eneo kubwa la duka, katika hali nyingi mauzo yake yatakuwa. Tuseme kwamba baada ya kufanya uchunguzi/majaribio/mahesabu/ngoma na matari tunayo data ya nambari: Data ya jedwali pia inaweza kuandikwa kwa namna ya pointi na kuonyeshwa katika fomu inayojulikana Mfumo wa Cartesian . Hebu tujibu swali muhimu: Ni pointi ngapi zinahitajika kwa ajili ya utafiti wa ubora? Kubwa, bora zaidi. Seti ya chini inayokubalika ina pointi 5-6. Kwa kuongeza, wakati kiasi cha data ni kidogo, matokeo ya "ajabu" hayawezi kujumuishwa kwenye sampuli. Kwa hiyo, kwa mfano, duka ndogo la wasomi linaweza kupata maagizo ya ukubwa zaidi kuliko "wenzake," na hivyo kupotosha muundo wa jumla ambao unahitaji kupata! Ili kuiweka kwa urahisi sana, tunahitaji kuchagua kazi, ratiba ambayo hupita karibu iwezekanavyo kwa pointi Kwa hivyo, kazi inayotafutwa lazima iwe rahisi sana na wakati huo huo ionyeshe utegemezi wa kutosha. Kama unavyoweza kudhani, moja ya njia za kupata kazi kama hizo inaitwa njia ya angalau mraba. Kwanza, hebu tuangalie kiini chake kwa maneno ya jumla. Wacha baadhi ya kazi zikadirie data ya majaribio:
Kwa kukadiria pointi za majaribio na vipengele tofauti vya kukokotoa, tutapata thamani tofauti, na ni wazi, ambapo jumla hii ni ndogo, chaguo hili la kukokotoa ni sahihi zaidi. Njia kama hiyo ipo na inaitwa njia ndogo ya moduli. Walakini, katika mazoezi imekuwa imeenea zaidi njia ya angalau mraba, ambayo maadili hasi yanawezekana huondolewa sio na moduli, lakini kwa kupunguka kwa kupotoka:
Na sasa tunarudi kwenye jambo lingine muhimu: kama ilivyoonyeshwa hapo juu, kazi iliyochaguliwa inapaswa kuwa rahisi sana - lakini pia kuna kazi nyingi kama hizo: mstari , hyperbolic, kielelezo, logarithmic, quadratic na kadhalika. Na, kwa kweli, hapa ningependa "kupunguza uwanja wa shughuli." Je, ni aina gani ya kazi ninazopaswa kuchagua kwa ajili ya utafiti? Mbinu ya awali lakini yenye ufanisi: - Njia rahisi ni kuonyesha alama Ikiwa pointi ziko, kwa mfano, pamoja hyperboli, basi ni wazi kuwa kazi ya mstari itatoa makadirio duni. Katika kesi hii, tunatafuta hesabu "zinazopendeza" zaidi za mlingano wa hyperbola Sasa kumbuka kuwa katika visa vyote viwili tunazungumza kazi za vigezo viwili, ambao hoja zao ni ulitafuta vigezo vya utegemezi: Na kimsingi tunahitaji kutatua shida ya kawaida - pata kima cha chini cha utendaji wa vigezo viwili. Wacha tukumbuke mfano wetu: tuseme kwamba sehemu za "duka" huwa ziko kwenye mstari ulionyooka na kuna kila sababu ya kuamini kwamba. utegemezi wa mstari mauzo kutoka kwa rejareja. Hebu tutafute viambajengo vile "a" na "kuwa" hivi kwamba jumla ya mikengeuko ya mraba. Ikiwa ungependa kutumia habari hii kwa insha au karatasi ya maneno, nitashukuru sana kwa kiungo katika orodha ya vyanzo utapata hesabu za kina kama hizi katika maeneo machache: Wacha tuunde mfumo wa kawaida: Tunapunguza kila equation kwa "mbili" na, kwa kuongeza, "kuvunja" hesabu: Kumbuka
: kuchambua kwa kujitegemea kwa nini "a" na "kuwa" zinaweza kutolewa nje ya ikoni ya jumla. Kwa njia, hii inaweza kufanywa rasmi na jumla Hebu tuandike upya mfumo katika fomu "iliyotumiwa": Je, tunajua kuratibu za pointi? Tunajua. Kiasi Kazi Tatizo linalozingatiwa ni la umuhimu mkubwa wa vitendo. Katika hali yetu ya mfano, Eq. Nitachambua shida moja tu na nambari "halisi", kwani hakuna ugumu ndani yake - mahesabu yote yapo katika kiwango cha mtaala wa shule ya darasa la 7-8. Katika asilimia 95 ya kesi, utaulizwa kupata kazi ya mstari tu, lakini mwisho wa kifungu nitaonyesha kuwa sio ngumu zaidi kupata hesabu za hyperbola bora, kielelezo na kazi zingine. Kwa kweli, yote yaliyobaki ni kusambaza vitu vyema vilivyoahidiwa - ili uweze kujifunza kutatua mifano hiyo si kwa usahihi tu, bali pia kwa haraka. Tunasoma kwa uangalifu kiwango: Kazi Kama matokeo ya kusoma uhusiano kati ya viashiria viwili, jozi zifuatazo za nambari zilipatikana: Tafadhali kumbuka kuwa maana za "x" ni za asili, na hii ina maana ya tabia, ambayo nitazungumzia baadaye kidogo; lakini wao, bila shaka, wanaweza pia kuwa sehemu. Kwa kuongezea, kulingana na yaliyomo katika kazi fulani, maadili ya "X" na "mchezo" yanaweza kuwa hasi kabisa au sehemu. Kweli, tumepewa kazi "isiyo na uso", na tunaanza suluhisho: Tunapata coefficients ya kazi bora kama suluhisho la mfumo: Kwa madhumuni ya kurekodi zaidi ya kompakt, kutofautiana kwa "counter" kunaweza kuachwa, kwa kuwa tayari ni wazi kuwa muhtasari unafanywa kutoka 1 hadi . Ni rahisi zaidi kuhesabu kiasi kinachohitajika katika fomu ya jedwali:
Kwa hivyo, tunapata zifuatazo mfumo: Hapa unaweza kuzidisha mlinganyo wa pili kwa 3 na toa ya 2 kutoka muhula wa 1 wa mlingano kwa muhula. Lakini hii ni bahati - kwa mazoezi, mifumo mara nyingi sio zawadi, na katika hali kama hizo huokoa Njia ya Cramer: Hebu tuangalie. Ninaelewa kuwa hutaki, lakini kwa nini uruke makosa ambayo hayawezi kukosekana kabisa? Wacha tubadilishe suluhisho lililopatikana katika upande wa kushoto wa kila equation ya mfumo: Kwa hivyo, kitendaji kinachohitajika cha kukadiria: - kutoka kazi zote za mstari Ni yeye anayekadiria data ya majaribio vyema zaidi. Tofauti moja kwa moja
utegemezi wa mauzo ya duka kwenye eneo lake, utegemezi uliopatikana ni kinyume
(kanuni "zaidi, chini"), na ukweli huu unafunuliwa mara moja na hasi mteremko. Kazi Ili kupanga grafu ya kazi inayokaribia, tunapata maadili yake mawili: na utekeleze mchoro: Hebu tuhesabu jumla ya mikengeuko ya mraba Wacha tufanye muhtasari wa mahesabu kwenye jedwali:
Tunarudia tena: Nini maana ya matokeo yaliyopatikana? Kutoka kazi zote za mstari y kazi Wacha tupate jumla inayolingana ya kupotoka kwa mraba - kutofautisha, nitaashiria kwa herufi "epsilon". Mbinu ni sawa kabisa: Hitimisho: , ambayo ina maana kwamba kipengele cha kukokotoa kinakadiria pointi za majaribio kuwa mbaya zaidi kuliko mstari ulionyooka Lakini hapa inapaswa kuzingatiwa kuwa "mbaya zaidi" ni haimaanishi bado, Tatizo ni nini. Sasa nimeunda grafu ya kazi hii ya kielelezo - na pia inapita karibu na vidokezo Hii inahitimisha suluhisho, na ninarudi kwa swali la maadili ya asili ya hoja. Katika tafiti mbalimbali, kwa kawaida za kiuchumi au kijamii, "X" za asili hutumiwa kuhesabu miezi, miaka au vipindi vingine vya muda sawa. Fikiria, kwa mfano, tatizo lifuatalo. |