- •Содержание
- •Лабораторная работа №6. Задачи оптимизации 46
- •Введение
- •Лабораторная работа №1
- •1. Обработка результатов многократных измерений одной и той же величины
- •2. Обработка результатов нескольких серий измерений одной и той же величины
- •Лабораторная работа №2
- •Корреляционно-регрессионный анализ
- •Лабораторная работа №3
- •Лабораторная работа №4
- •Варианты для парной регрессионной модели
- •Лабораторная работа №5
- •Традиционный метод наименьших квадратов (мнк)
- •Статистические свойства вектора оценок коэффициентов регрессии
- •Теорема Гаусса-Маркова
- •Несмещённые оценки дисперсии ошибок, ковариационной матрицы и дисперсии выборочных коэффициентов регрессии
- •Оценка значимости и доверительных интервалов для коэффициентов регрессии
- •Анализ вариации зависимой переменной
- •Значения сумм квадратов
- •Значения дисперсий
- •Выборочный коэффициент детерминации
- •Скорректированный коэффициент детерминации
- •Оценка значимости уравнения регрессии
- •Доверительный интервал для значений зависимой переменной
- •Пример оформления лабораторной работы
- •Задания для модели множественной регрессии
- •Варианты для множественной регрессионной модели
- •Лабораторная работа №6 Задачи оптимизации
- •Задача линейного программирования о смесях
- •Лабораторная работа №7
- •Варианты на решение задачи о продуктивности модели Леонтьева
- •Лабораторная работа №8
- •Библиографический список
- •Приложение
- •3. Критические точки распределения χ2
- •Сахабиева Галина Александровна
- •Васяйчева Вера Ансаровна
- •Орлова Людмила Викторовна
- •443084, Г. Самара, ул. Стара-Загора, 96
- •4 43080, Г. Самара, ул. Революционная, 70п
Статистические свойства вектора оценок коэффициентов регрессии
Выражение (8) для вектора оценок коэффициентов регрессии можно представить в эквивалентном виде:
, (10)
откуда легко находятся статистические характеристики вектора коэффициентов b.
Математическое ожидание:
. (11)
Ковариационная матрица (её диагональные элементы представляют собой дисперсии коэффициентов ):
. (12)
Теорема Гаусса-Маркова
Если регрессионная модель (1) удовлетворяет условиям 1-4, 6, то МНК оценка (8) имеет наименьшую дисперсию в классе всех линейных несмещённых оценок (является наиболее эффективной).
Несмещённость оценки b следует из выражения (11). Наибольшая эффективность оценки доказывается с использованием выражения (12) путём рассмотрения любых других несмещённых линейных оценок и определения того факта, что их дисперсии всегда больше дисперсии (12).
Несмещённые оценки дисперсии ошибок, ковариационной матрицы и дисперсии выборочных коэффициентов регрессии
Несмещённая оценка дисперсии ошибок (несмещённая выборочная остаточная дисперсия) определяется выражением:
. (13)
Как видно из (13), несмещённая оценка дисперсии получается путём деления остаточной суммы квадратов на степеней свободы, поскольку - число наблюдений, а степени свободы теряются при определении коэффициентов уравнения регрессии.
Несмещённая оценка матрицы ковариации вектора коэффициентов b получается путём замены в (12) неизвестного значения дисперсии возмущения его оценкой (13):
, (14)
откуда следует, что несмещённые оценки дисперсий коэффициентов находятся по формуле:
, (15)
где - j-й диагональный элемент матрицы .
Из формулы (15) вытекает выражение для стандартных отклонений оценок коэффициентов регрессии (несмещённых оценок средних квадратных отклонений ):
. (16)
Оценка значимости и доверительных интервалов для коэффициентов регрессии
Пусть - некоторое заданное гипотетическое значение -го коэффициента . При оценке значимости коэффициентов регрессии формулируются следующие гипотезы:
Основная гипотеза .
Конкурирующая гипотеза .
Статистикой критерия является случайная величина:
, (17)
которая при условии выполнения гипотезы имеет распределение Стьюдента (t-распределение) с степенями свободы.
Критическая область, как следует из вида гипотезы , является двусторонней. Уровень значимости определяется выражением:
, (18)
где - интегральная функция распределения вероятностей, а доверительный уровень находится по формуле:
. (19)
Критическая точка
(20)
находится по статистическим таблицам или с помощью стандартных функций в пакетах прикладных программ.
При значении статистика (17) сводится к виду:
, (21)
и гипотезы при оценке значимости элементов вектора b формируются следующим образом.
Основная гипотеза принимается в случае, когда , и с уровнем значимости делается вывод о том, что коэффициент незначим. Альтернативная гипотеза применяется в том случае, когда , и с уровнем значимости делается вывод о том, что коэффициент значим.
Величина -значения определяется по формуле:
. (22)
При этом выполнение неравенства означает, что , и принимается основная гипотеза . Если , то , и принимается альтернативная гипотеза .
Из выражений (17), (19) следует, что с доверительной вероятностью истинное значение коэффициента регрессии лежит в интервале:
, (23)
где - нижние и верхние g * 100%.