Построения регрессионной зависимости

Рассмотрим на примере построение регрессионной зависимости сопротивлений внедрению днища ковша в крупнокусковой материал Wвн от глубины внедрения в штабель S

Wвн=f(S)                                                      (2.1)

по результатам экспериментальных исследований методом наименьших квадратов (МНК).

Рис.2.1 Расчетная схема, в которой выполняется эксперимент

Рассмотрим метод наименьших квадратов на примере квадратичной зависимости Y = a0 + a1X + a2X2. Посредством МНК значения a0, a1 и a2 находятся из условия минимизации суммы квадратов отклонений измеренных значений отклика Yj от получаемых с помощью регрессионной модели, т. е. путем минимизации суммы:

(2.2)

В данном случае Y - это отклик Wвн, а X - это фактор S, ∆Y - отклонение экспериментальных данных Yj от их расчетного значения; a0, a1 и a2 - искомые коэффициенты полинома второй степени Y = a0 + a1X + a2X2 (для нашего примера

Wвн= a0 + a1S + a2S2)

Минимизация суммы квадратов производится обычным способом с помощью дифференциального исчисления путем приравнивания к нулю первых частных производных по a0, a1 и a2.

Выполнив ряд преобразований, получим систему нормальных уравнений метода наименьших квадратов.

Возьмем производные от функции (2.1)  для a0, a1 и a2.

Производная от правой скобки равна 1, т.к. величины Yj, Xj от a0 не зависят и являются постоянными, а коэффициенты a1 и a2 являются независимыми переменными, по которым в данном случае не берется частная производная. Поэтому получаем

=0 или

=0,                                            (2.3)                                        

где N - число измерений;

или .

Если вычислить сумму почленно, то получим

                                            (2.4)

Частная производная по коэффициенту a1

       

                                             (2.5)

Частная производная по коэффициенту a2

                                            (2.6)

Таким образом, получаем систему алгебраических уравнений для нахождения коэффициентов a0, a1 и a2

                                       (2.7)


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



double arrow
Сейчас читают про: