Xreferat.com » Рефераты по математике » Регресійний аналіз інтервальних даних

Регресійний аналіз інтервальних даних

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ДНІПРОПЕТРОВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ


ДИПЛОМНА РОБОТА

Регресійний аналіз інтервальних даних


Виконала: студентка групи МС-03-1

Припутень Ю.А.


Дніпропетровськ

2008

Реферат


Об’єкт дослідження: алгоритми регресійного аналізу пристосовані для обробки інтервальних даних.

Мета роботи: розробити програму, яка здійснює знаходження інтервалів для коефіцієнтів регресії. Програма повинна дозволяти подавати результати у вигляді зручному для користувачів, мати інтерфейс та бути зручною у користуванні.

Одержані висновки та їх новизна: в роботі був створений алгоритм для знаходження інтервальних оцінок коефіцієнтів та розроблено програмне середовище, що дозволяє досліджувати роботу цього алгоритму.

Результати дослідження можуть бути застосовані для обробки статистичної інформації.

Перелік ключових слів: лінійна регресія, метод найменших квадратів, інтервальні дані.


Зміст


Вступ

Розділ І. Лінійна багатовимірна регресія

Розділ ІІ. Довірчі інтервали регресії. Похибка прогнозу

Розділ ІІІ. Лінійний регресійний аналіз інтервальних даних

3.1 Метод найменших квадратів для інтервальних даних

3.2 Метод найменших квадратів для лінійної моделі

3.3 Парна регресія

Розділ IV. Програмний продукт «Інтервальне значення параметрів»

4.1 Текст програми

4.2 Опис програми

4.3 Результати роботи програми

Висновки

Список використаних джерел


Вступ


Перспективний і швидко прогресуючий напрямок останніх років – математична статистика інтервальних даних. Мова йде про розвиток методів математичної статистики в ситуації, коли статистичні дані - не числа, а інтервали, породжені накладенням помилок виміру на значення випадкових величин.

Дана дипломна робота складається з чотирьох розділів. Перші три розділі мають реферативний характер. В першому розділі викладені деякі поняття класичної теорії регресійного аналізу. В другому розділі розглянуті довірчі інтервали для коефіцієнтів регресії. В третьому розділі наведені ідеї і підходи лінійного регресійного аналізу інтервальніх даних. В четвертому розділі викладені результати дипломної роботи. Тут наведено алгоритм, текст та опис розроблених програм, які здійснюють знаходження нотни та оцінок коефіцієнтів регресії в класичному вигляді та в інтервальних даних.

За допомогою розроблених програм в цьому ж розділі наведено результати експериментального дослідження залежності величин інтервалів, які накривають коефіцієнти регресії в залежності від об’єму вибірки та величин інтервалів в яких знаходяться значення координат вибірки.

Програми створені за допомогою середовища Maple, так як воно по всім параметрам (швидкість, надійність, простота у використанні) підходить для написання цих програм.

Постановка задачі. В роботі необхідно розв’язати такі задачі:

1. Розробити програму. Програма повинна працювати з вибірками довільної вимірності і довільними векторами найбільших похибок для кожної координати.

2. Провести чисельно дослідження залежності верхньої та нижньої меж інтервалів, що накривають коефіцієнти регресії, в залежності від об’єму вибірки і векторів найбільших похибок для кожної координати.

Розділ І. Лінійна багатовимірна регресія


НехайРегресійний аналіз інтервальних данихРегресійний аналіз інтервальних даних- деяка випадкова величина, флуктує навколо деякого невідомого значення параметра Регресійний аналіз інтервальних даних, тобто Регресійний аналіз інтервальних даних, деРегресійний аналіз інтервальних даних- флуктуація або похибка. Наприклад, похибка Регресійний аналіз інтервальних данихможе бути властива самому експерименту, або похибка може виникати при вимірювані невідомого параметра Регресійний аналіз інтервальних даних.

Припустимо тепер, що Регресійний аналіз інтервальних даних можна представити у вигляді


Регресійний аналіз інтервальних даних


де Регресійний аналіз інтервальних даних- відомі постійні величини, а Регресійний аналіз інтервальних даних – невідомі параметри, які потрібно оцінити.

Якщо величина Регресійний аналіз інтервальних даних змінюється і при цьому змінна Регресійний аналіз інтервальних данихнабуває значень Регресійний аналіз інтервальних даних, тобто можна записати


Регресійний аналіз інтервальних даних Регресійний аналіз інтервальних даних (1.1)


У матричному вигляді, отримаємо:


Регресійний аналіз інтервальних даних


Або

Регресійний аналіз інтервальних даних (1.2)


де Регресійний аналіз інтервальних даних.

Означення: Матриця Регресійний аналіз інтервальних даних розміру Регресійний аналіз інтервальних данихРегресійний аналіз інтервальних даних називається регресійною матрицею. При цьому її елементи Регресійний аналіз інтервальних даних обираються таким чином, щоб Регресійний аналіз інтервальних даних, тобто число лінійних незалежних стовпців дорівнювало Регресійний аналіз інтервальних даних, також матрицю Регресійний аналіз інтервальних даних називають матрицею повного рангу.

Але в деяких випадках Регресійний аналіз інтервальних даних приймає лише два значення 0, 1, тоді можливі випадки коли в матриці Регресійний аналіз інтервальних даних деякі рядки або стовпці збігаються, тобто є лінійно – залежними. В цьому випадку Регресійний аналіз інтервальних даних називають матрицею плану. Змінні Регресійний аналіз інтервальних даних називають регресорами (j=1,…,p-1), або предикторними змінними, а Регресійний аналіз інтервальних даних - називають відкликом.

Модель (1) або (2) лінійна відносно невідомих параметрів. Тому її називають лінійною моделлю.

Перед тим як оцінювати вектор Регресійний аналіз інтервальних даних, замітимо, що вся теорія будується для моделі (2).

Для оцінки невідомих параметрів Регресійний аналіз інтервальних даних використовують метод найменших квадратів (МНК), який полягає в мінімізації суми квадратів залишків. Необхідно мінімізувати величину:


Регресійний аналіз інтервальних даних (1.3)


за параметрами Регресійний аналіз інтервальних даних. Вираз (1.3) запишеться так:

Регресійний аналіз інтервальних даних (1.4)

Шукаємо градієнт Регресійний аналіз інтервальних даних:


Регресійний аналіз інтервальних даних


Розв’язуємо рівняння:


Регресійний аналіз інтервальних даних

Регресійний аналіз інтервальних даних


Таким чином


Регресійний аналіз інтервальних даних (1.5)


Необхідно перевірити, що знайдена стаціонарна точка є точкою мінімуму функції Регресійний аналіз інтервальних даних. Справедлива така тотожність


Регресійний аналіз інтервальних даних


Перевіримо цю рівність:

Регресійний аналіз інтервальних даних


Ліва частина тотожності мінімальна якщо Регресійний аналіз інтервальних даних.

Регресію будемо позначати Регресійний аналіз інтервальних даних.

Залишок


Регресійний аналіз інтервальних даних


Мінімальне значення суми квадратів залишків Регресійний аналіз інтервальних даних називають залишковою сумою квадратів (RSS).


Регресійний аналіз інтервальних даних


Застосуємо формулу (2.1), RSS перепишеться:


Регресійний аналіз інтервальних даних


Якщо застосувати формулу (2.2), отримаємо:

Регресійний аналіз інтервальних даних.


Оцінки Регресійний аналіз інтервальних данихта Регресійний аналіз інтервальних данихєдині.


Розділ ІІ. Довірчі інтервали регресії. Похибка прогнозу


Нехай прогнозоване значення Регресійний аналіз інтервальних даних визначається по рівнянню регресії з оціненими параметрами


Регресійний аналіз інтервальних даних (2.1)


В силу того, що Регресійний аналіз інтервальних даних- незміщені оцінки деяких невідомих параметрів відповідного взаємозв'язку, Регресійний аналіз інтервальних даних - одне з можливих значень прогнозованої величини при заданих значеннях Регресійний аналіз інтервальних даних, точніше - це оцінка середнього значення Регресійний аналіз інтервальних даних. Оскільки Регресійний аналіз інтервальних даних випадкова величина, то і оцінка Регресійний аналіз інтервальних даних також випадкова і має дисперсію. Визначимо її значення.


Регресійний аналіз інтервальних даних

Використавши теорему про дисперсії суми залежних величин, одержимо:


Регресійний аналіз інтервальних даних


Перепишемо у вигляді:


Регресійний аналіз інтервальних даних


де Регресійний аналіз інтервальних даних- вектор заданих значень незалежних змінних. Звідки одержимо:

Регресійний аналіз інтервальних даних


Оскільки значення Регресійний аналіз інтервальних даних нам відомо, то введемо в останню формулу її оцінку Регресійний аналіз інтервальних даних, звідки дисперсія Регресійний аналіз інтервальних даних буде:


Регресійний аналіз інтервальних даних (2.2)


Таким чином, середнє значення Регресійний аналіз інтервальних данихлежить у межах:


Регресійний аналіз інтервальних даних (2.3)


Розділ ІІІ. Лінійний регресійний аналіз інтервальних даних


Перейдемо до багатомірного статистичного аналізу. Спочатку з позиції асимптотичної математичної статистики інтервальних даних розглянемо оцінки методу найменших квадратів (МНК).

Статистичне дослідження залежностей - одне з найбільш важливих задач, які виникають у різних галузях науки й техніки. Під словами "дослідження залежностей" мається на увазі виявлення і опис існуючого зв'язку між досліджуваними змінами на підставі результатів статистичних спостережень.

Якщо яка-небудь група об'єктів характеризується змінними Регресійний аналіз інтервальних даних і проведений експеримент, що складається з n досвідів, де в кожному досвіді ці змінні вимірюються один раз,то експериментатор одержує набір чисел: Регресійний аналіз інтервальних даних.

Але процес виміру не дає однозначний результат. Реально результатом виміру якої-небудь величини Х є два числа: Регресійний аналіз інтервальних даних- нижня границя і Регресійний аналіз інтервальних даних - верхня границя. Причому Регресійний аналіз інтервальних даних, де Регресійний аналіз інтервальних даних - істинне значення вимірюваної величини. Результат виміру можна записати як Регресійний аналіз інтервальних даних. Інтервальне число X може бути представлене іншим способом, а саме, Регресійний аналіз інтервальних даних, де Регресійний аналіз інтервальних даних. Тут Регресійний аналіз інтервальних даних - центр інтервалу (як правило не співпадає з Регресійний аналіз інтервальних даних), а Δx - максимально можлива похибка виміру.


3.1 Метод найменших квадратів для інтервальних даних


Нехай математична модель задана:


Регресійний аналіз інтервальних даних (3.1.1)

де х = (х1, х2,..., хm) - вектор впливаючих змінних, що піддаються виміру; Регресійний аналіз інтервальних даних - вектор оцінюваних параметрів моделі; у - відгук моделі (скаляр); Q(x,Регресійний аналіз інтервальних даних)- скалярна функція векторів х і Регресійний аналіз інтервальних даних; і ε - випадкова похибка.

Нехай проведено n досвідів, причому в кожному досвіді обмірювані (один раз) значення відгуку (у) і вектора факторів (х). Результати вимірів можуть бути представлені в наступному виді:


Регресійний аналіз інтервальних данихРегресійний аналіз інтервальних даних


де Х - матриця значень обмірюваного вектора (х) в n досвідах; Y - вектор значень обмірюваного відгуку в n досвідах; Е - вектор випадкових помилок. Тоді виконується матричне співвідношення:


Регресійний аналіз інтервальних даних, (3.1.2)Регресійний аналіз інтервальних даних


де Регресійний аналіз інтервальних даних, причому Регресійний аналіз інтервальних даних - n-мірні вектора, які становлять матрицю Регресійний аналіз інтервальних даних

Введемо міру близькості Регресійний аналіз інтервальних даних між векторами Регресійний аналіз інтервальних даних і Регресійний аналіз інтервальних даних. В МНК в якості Регресійний аналіз інтервальних даних береться квадратична форма зважених квадратів Регресійний аналіз інтервальних даних нев'язань


Регресійний аналіз інтервальних даних,


тобто


Регресійний аналіз інтервальних даних

де Регресійний аналіз інтервальних даних - матриця ваг, що не залежить від Регресійний аналіз інтервальних даних. Тоді як оцінка Регресійний аналіз інтервальних даних можна вибрати таке Регресійний аналіз інтервальних даних, при якому міра близькості d(Y,Q) приймає мінімальне значення, тобто


Регресійний аналіз інтервальних даних.


У загальному випадку рішення цього екстремального завдання може бути не єдиним. Тому надалі будемо мати на увазі одне із цих рішень. Воно може бути виражене у вигляді:


Регресійний аналіз інтервальних даних


причому Регресійний аналіз інтервальних даних неперервні і дифференційовні по (Х,Y) Регресійний аналіз інтервальних даних Z, де Z - область визначення функції f(X,Y). Ці властивості функції f(X,Y) дають можливість використати підходи статистики інтервальних даних.

Перевага методу найменших квадратів полягає в порівняльній простоті й універсальності обчислювальних процедур. Однак не завжди оцінка МНК є самостійною, що обмежує його застосування на практиці.

Важливим частковим випадком є лінійний МНК, коли Q(x,Регресійний аналіз інтервальних даних) є лінійна функція від Регресійний аналіз інтервальних даних:


Регресійний аналіз інтервальних даних,


де Регресійний аналіз інтервальних даних = 1, а Регресійний аналіз інтервальних даних - вільний член лінійної комбінації. Як відомо, у цьому випадку МНК-оцінка має вигляд:

Регресійний аналіз інтервальних даних


Якщо матриця Регресійний аналіз інтервальних даних невироджена, то ця оцінка є єдиною. Якщо матриця ваг W одинична, то


Регресійний аналіз інтервальних даних


Нехай виконуються наступні припущення щодо розподілу похибок Регресійний аналіз інтервальних даних:

- помилки Регресійний аналіз інтервальних даних мають нульові математичні очікування М{Регресійний аналіз інтервальних даних} = 0,

- результати спостережень мають однакову дисперсію D {Регресійний аналіз інтервальних даних} = Регресійний аналіз інтервальних даних,

- помилки спостережень некорельовані, тобто Регресійний аналіз інтервальних даних.

Тоді, як відомо, оцінки МНК є найкращими лінійними оцінками, тобто спроможними і незміщеними оцінками, які являють собою лінійні функції результатів спостережень і мають мінімальні дисперсії серед безлічі всіх лінійних незміщених оцінок. Далі саме цей найбільше практично важливий окремий випадок розглянемо більш докладно.

Запишемо істині дані в наступній формі:


Регресійний аналіз інтервальних даних


де R - індекс, що вказує на те, що значення істинне. Істині і обмірювані дані пов’язані таким чином:


Регресійний аналіз інтервальних даних


де Регресійний аналіз інтервальних даних

Припустимо, що похибки виміру відповідають граничним умовам

Регресійний аналіз інтервальних даних (3.1.3)


Нехай безліч W можливих значень Регресійний аналіз інтервальних даних входить в Z - область визначення функції f(X,Y). Розглянемо Регресійний аналіз інтервальних даних - оцінку МНК, розраховану за істинним значенням факторів і відгуку, і Регресійний аналіз інтервальних даних

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: