Линеаризация применяется для построения нелинейных зависимостей при использовании линейной регрессионной модели. В этом случае перед применением формул (7) необходимо провести преобразование координат, которое может быть различным, в зависимости от вида аппроксимирующей функции. Случаев, когда применяется линеаризация, очень много, рассмотрим лишь некоторые из них. Например, зависимость Y(x) может быть:
а) Логарифмической . В этом случае делается преобразование и далее коэффициенты (7) вычисляются для координат (x1, Y).
б) Показательной . Чтобы линеаризовать функцию, нужно прологарифмировать обе части формулы: . Здесь делаются обозначения . Тогда – вновь сформированная линейная зависимость, к которой применимы формулы (7).
в) Дробно-линейной: . Здесь достаточно «перевернуть» функцию, т.е. сделать замену переменной : .
г) Функции вида . Здесь «переворачивается» уже не функция, а переменная x. Тогда и зависимость линеаризуется в виде .
Возможны и другие случаи функции. Принцип линеаризации везде одинаков. Для проверки качества построения линейной (или линеаризованной) зависимости можно использовать коэффициент корреляции, который приближается по модулю к 1, когда зависимость близка к линейному виду. Коэффициент корреляции применяют для новых координат в случае линеаризации, и для исходных – для линейной зависимости. Многое видно и по построению графика.
|
|
Контрольные вопросы
1. Что такое прогнозирование, где оно может применяться в антикризисном управлении?
2. Какие методы прогнозирования Вам известны? Дайте их краткую характеристику.
3. Опишите метод наименьших квадратов и области его применения.
4. Что служит мерой погрешности в методе наименьших квадратов?
5. Что такое трендовая модель?
6. Какой коэффициент позволяет оценить степень «линейности» зависимости параметров прогнозирования?
7. Как произвести прогнозирование с помощью подобранной функции?
8. Линеаризация, её назначение.
9. Какие виды функций могут подвергаться линеаризации, для чего и как?
10. Какими показателями может характеризоваться точность аппроксимации?
Варианты заданий для выполнения работы
Задание 1.1 (по вариантам)
1.
t | |||||||||
y |
2.
t | 2.1 | 3.5 | 6.1 | ||||||
y | 1.8 | 1.9 | 3.5 | 3.4 | 4.2 |
3.
t | 0.2 | 4.5 | 9.3 | 10.4 | |||||
Y | 1.8 | 1.9 | 3.5 | 3.4 | 4.2 |
4.
t | 7.2 | ||||||||
y | 1.8 | 1.9 | 3.5 | 3.4 | 4.2 |
5.
t | 4.3 | ||||||||
y | 2.1 | 1.9 | 1.9 | 3.5 | 3.9 | 4.6 | 4.9 | 5.9 |
6.
|
|
t | -1 | 2.1 | 3.5 | 6.1 | 10.1 | ||||
y | 2.2 | 2.7 | 3.5 | 3.4 | 4.2 |
7.
t | 2.1 | 3.5 | 6.1 | ||||||
y | 1.8 | 1.9 | 3.3 | 3.5 | 3.8 | 4.6 | 4.9 | 5.9 |
8.
t | -3 | -2.1 | -1.5 | 6.1 | |||||
y | 1.8 | 1.9 | 3.5 | 3.4 | 4.2 |
9.
t | 2.1 | 3.5 | 6.1 | ||||||
y | 11.7 |
10.
t | 4.5 | 9.4 | |||||||
y | 1.2 | 1.8 | 1.9 | 3.5 | 3.4 | 4.2 |
11.
t | 2.1 | 3.5 | 6.1 | ||||||
y | -20 | -18 | -19 | -13 | -8.5 | -8.4 | -6 | -5 | -1 |
12.
t | |||||||||
y | -10 |
13.
t | 16.5 | ||||||||
y | 26.3 |
14.
t | 2.1 | 3.5 | 6.1 | ||||||
y | 1.8 | 1.9 | 3.3 | 3.5 | 3.8 | 4.6 | 4.9 | 5.9 |
15.
t | 2.1 | 3.5 | 6.1 | ||||||
y | -10 |