Одномерная регрессионная модель Многомерная регрессионная модель

Слайд 2

По степени информированности исследователя об объекте существует деление объектов на три типа

По степени информированности исследователя об объекте существует деление объектов на три типа
«ящиков»:
«белый ящик»: об объекте известно все;
«серый ящик»: известна структура объекта, неизвестны количественные значения параметров;
«черный ящик»: об объекте неизвестно ничего.

Задача состоит в том, чтобы, зная множество значений на входах и выходах, построить модель, то есть определить функцию ящика, по которой вход преобразуется в выход. Такая задача называется задачей регрессионного анализа.

Обозначение черного ящика на схемах

Слайд 3

Пусть, например, перед нами стоит задача определить, как зависит выпуск продукции от

Пусть, например, перед нами стоит задача определить, как зависит выпуск продукции от
количества потребляемой электроэнергии. Результаты наблюдений отобразим на графике/ Всего на графике n экспериментальных точек, которые соответствуют n наблюдениям

Для начала предположим, что мы имеем дело с черным ящиком, имеющим один вход и один выход. Допустим для простоты, что зависимость между входом и выходом линейная или почти линейная. Тогда данная модель будет называться линейной одномерной регрессионной моделью.

Слайд 4

Рассматривая экспериментально полученные данные, предположим, что они подчиняются линейной гипотезе, то есть

Рассматривая экспериментально полученные данные, предположим, что они подчиняются линейной гипотезе, то есть
выход Y зависит от входа X линейно, то есть гипотеза имеет вид:
Y = A1X + A0 

Слайд 5

Проверка линейной гипотезы

Чтобы определить, принимается гипотеза или нет, нужно, во-первых, рассчитать ошибку

Проверка линейной гипотезы Чтобы определить, принимается гипотеза или нет, нужно, во-первых, рассчитать
между точками заданной экспериментальной и полученной теоретической зависимости и суммарную ошибку:
Ei = (YiЭксп. – YiТеор.), i = 1, …, n

n-общее
число точек

Если в полосу, ограниченную 2σ попадает 68.26% и более экспериментальных точек то выдвинутая гипотеза принимается. В противном случае выбирают более сложную гипотезу или проверяют исходные данные. Если требуется большая уверенность в результате, то используют дополнительное условие: в полосу, ограниченную линиями 4σ, должны попасть 95.44% и более экспериментальных точек.

Слайд 6

Линейная множественная модель

Гипотеза – линейная модель
Y = A0 + A1 · X1 + … + Am · Xm

Для нахождения коэффициентов Ai методом Крамера представим

Линейная множественная модель Гипотеза – линейная модель Y = A0 + A1
систему в матричном виде:
Имя файла: Одномерная-регрессионная-модель-Многомерная-регрессионная-модель.pptx
Количество просмотров: 113
Количество скачиваний: 0