🗊Презентация Метод найменших квадратів. (Тема 4)

Метод найменших квадратів

План 4.1. Суть методу найменших квадратів (МНК). 4.2. Передумови застосування МНК. 4.3. Система нормальних рівнянь.

4.1. Суть методу найменших квадратів

Суть методу найменших квадратів (МНК) полягає у знаходженні такої теоретичної лінії регресії, яка в порівнянні з іншими проходить найближче до емпіричної лінії регресії, тобто дає найменшу суму квадратів відхилень фактичних значень результативної ознаки від розрахункових (теоретичних) значень

де y – емпіричні (вихідні) дані показника ỹ– теоретичні (розраховані за рівнянням регресії)

4.2. Передумови застосування МНК 1) Існує лінійний зв’язок між результуючою змінною у та факторною змінною x, який описується рівняннями регресії

2) Факторна змінна x є детерміністичною (невипадковою) величиною. 2) Факторна змінна x є детерміністичною (невипадковою) величиною. 3) Математичне сподівання (середнє значення) випадкового вектора дорівнює нулю, а дисперсія є невеликою постійною додатньою величиною, яка не залежить від індексу i, тобто . 4) Компоненти вектора є некорельованими випадковими величинами, тобто для кожного . 5) Часто вважають, що випадкова величина має нормальний закон розподілу з рівним нулю математичним сподіванням і постійною додатньою невеликою дисперсією У даному випадку модель називається класичною нормальною лінійною регресійною моделлю. Зауваження. У випадку класичної нормальної лінійної регресійної моделі умова 4 еквівалентна умові статистичної незалежності помилок .

4.3. Система нормальних рівнянь Будемо вважати, що зв’язок між ознаками х та у є лінійним і описується лінійним рівнянням регресії (4.3) де у – результуюча змінна; b0, b1– параметри рівняння ре­гресії; х – факторна змінна; ε– випадкова величина.

Система нормальних рівнянь