Подготовка данных для расчета моделей регрессии. Построение ортогональных многочленов
Для заданного множества точек { x 1, x 2,..., xL } построить ортогональные многочлены Т 1, Т 2, Т 3 степеней 0, 1, 2 соответственно. Многочлены рассчитать по формулам (4.12), (4.13), где Wi = ni (i = 1, 2,..., L). Результаты расчета оформить в табличном виде (табл. 3).
Задача 2. По данным табл. 1 рассчитать ортогональные многочлены Т 1, Т 2, Т 3 на множестве точек {1, 3, 5, 7, 14} с весами Wi = ni.
Решение. В последней строке табл. 3 записаны суммы по столбцам 2, 3, 6, 7. Подставляя их в формулы (4.12) и (4.13), получаем: λ = –102/17 = – 6; Т 2 = х – 6 = X;
υ = –302/17 = –17,76471; μ = –1080/302 = –3,57616; Т 3 = –17,76471 – 3,57616 · X + X 2.
В значениях коэффициентов υ, μ сохраняем 5 знаков после запятой.
Таблица 3. Результаты расчета ортогональных многочленов (к задаче 2) | ||||||||||
x | W | xW | Т 2 = X | X 2 | X 2 W | X 3 W | T 3 | XW | Т 3 W | XТ 3 W |
–5 | –375 | 25,11609 | –15 | 75,34827 | –376,74135 | |||||
–3 | –81 | 1,96377 | –9 | 5,89131 | –17,67393 | |||||
–1 | –4 | –13,188855 | –4 | –52,75420 | 52,75420 | |||||
–20,34087 | –81,36348 | –81,36348 | ||||||||
17,62601 | 52,87803 | 423,02424 | ||||||||
∑ | – | – | – | –0,00007 | –0,00032 |
Для контроля ортогональности полученных многочленов дополняем табл. 3 столбцами 9 – 11. В последней строке записаны суммы по этим столбцам. Для рассматриваемого примера отклонения этих сумм от нуля не превосходят величины погрешностей округления, что свидетельствует об отсутствии ошибок вычисления.
|
|
Найти оценки параметров линейной и квадратичной моделей регрессии.
Расчет оценок параметров линейной и квадратичной регрессий, расчет значений соответствующих регрессионных моделей (Y лин, Y кв), а также отклонений их от средних значений Yi можно произвести в учебно-вычислительном центре МИСиС по специализированной программе REGRE, работающей в диалоговом режиме.
По запросу программы необходимо ввести число заданных точек n (число различных значений аргумента или число экспериментов), затем поочередно для каждого эксперимента следующие данные: Xi – значение фактора, т.е. кодированное значение аргумента (столбец 4 табл. 3.6); Yi – значение отклика, т.е. среднее значение функции для i -го аргумента (столбец 8 табл. 3); Wi – вес эксперимента (столбец 2 табл. 3). После ввода данных всех экспериментов программа предоставляет возможность исправить любое ошибочно введенное число.
Затем следует ввести коэффициенты μ и υ базисного многочлена Т 3 = X 2 + μ X + υ. При ошибочном вводе коэффициентов их также можно исправить.
После ввода всех данных на экране появляются результаты расчета:
– коэффициенты регрессии B 1, B 2, B 3, т.е. оценки параметров линейной и квадратичной регрессий, рассчитанные по формуле (4.11);
– H 1, H 2, H 3 – нормы многочленов Т 1, Т 2, Т 3, рассчитанные по формуле (4.16).
Пользователю предлагается следующее меню:
ВВЕДИТЕ:
1 – РАСЧЕТ ЛИНЕЙНОЙ МОДЕЛИ РЕГРЕССИИ
2 – РАСЧЕТ КВАДРАТИЧНОЙ МОДЕЛИ РЕГРЕССИИ
3 – ВЫХОД ИЗ ПРОГРАММЫ
После выбора соответствующего пункта меню на экран выводятся исходные данные расчета – столбцы X, Y, W и результаты расчета Y ЛИН и DY ЛИН для линейной модели регрессии; Y КВ и DY КВ – для квадратичной модели регрессии (пример экранной формы приведен в табл. 4):
Y ЛИН = B 1 * T 1 + B 2 * T 2 = B 1 + B 2 * X;
Y КВ = Y ЛИН + B 3 * T 3 = B 1 + B 2 * X + В3 * (X 2 + μ X + υ);
DY ЛИН = Δ Y лин = Y – Y лин; DY KB = Δ Y кв = Y – Y кв.
В последних строках экранной формы приводятся взвешенные суммы квадратов отклонений (Δ Y лин) i 2 Wi или (Δ Y кв) i 2 Wi, а также контрольные числа – скалярные произведения отклонений Δ Y на многочлены Т 1, Т 2, Т 3. Для многочленов, участвующих в расчете, эти контрольные числа должны быть равны нулям с точностью до накапливаемых погрешностей округления.
|
|
Задача 3. По данным задачи 1 найти оценки параметров линейной и квадратичной моделей регрессии.
Решение. Экранная форма результатов расчета линейной и квадратичной моделей регрессии по программе REGRE приведена в табл. 4.
В рассматриваемой задаче отклонение контрольных чисел от нуля объясняется накоплением погрешностей округления, что свидетельствует об отсутствии вычислительных ошибок. Это позволяет считать, что линейная модель регрессии описывается формулой
Y лин = 4,81118 + 0,109603 X,
а квадратичная модель – формулой
Y кв = 4,84118 + 0,109603 Х – 0,0963418 (Х 2 – 3,57616 Х – 17,76471),
где Х = х – 6.
Таблица 4. Результаты расчета линейной и квадратичной моделей регрессии (к задаче 3) | |||||||
Коэфф. регр. | В 1 = 0,48411Е+01 | В 2 = 0,109603Е+00 | В 3 = –0,963418Е+01 | ||||
Нормы многочл. | 0,412311Е+01 | 0,173781Е+02 | 0,720195Е+02 | ||||
Данные эксперимента | Веса | Расчетные данные и их отклонения | |||||
№ | X | Y | W | Y ЛИН | DY ЛИН | Y КВ | DY КВ |
–5,0000 | 2,0000 | 4,293163 | –2,293163 | 1,873434 | 0,126566 | ||
–3,0000 | 4,1000 | 4,512368 | –0,412368 | 4,323175 | –0,223175 | ||
–1,0000 | 6,0000 | 4,731573 | 1,268427 | 6,002182 | –0,002182 | ||
1,0000 | 7,0000 | 4,950779 | 2,049221 | 6,910455 | 0,089545 | ||
8,0000 | 4,0000 | 5,717997 | –1,717997 | 4,019875 | –0,019875 | ||
Суммы квадратов отклонений | 0,483733Е+02 | 0,230755Е+00 | |||||
Контроль | DY T 1 | 0,12Е–05 | 0,55Е–05 | ||||
DY T 2 | 0,14Е–04 | –0,16Е–04 | |||||
DY T 3 | xxxxxxx | 0,19Е–03 |