4.3 Выравнивание методом наименьших квадратов (МНК)
В качестве целевой функции в данном методе используется функционал
S = (Yt - ) 2 > min, (15)
представляющий собой минимизируемую сумму квадрата отклонений экспериментальных значений Yt от соответствующих результатов, полученных по выравнивающей функции . Принципиальные отличия функционала (15) от (3) состоят в следующем. Для функционала (3) весь диапазон исходных данных приходится разбивать на равные части, количество которых должно быть равно количеству определяемых коэффициентов выравнивающей функции (А, В, С и т.д.).
В функционале (15) интервал суммирования охватывает весь диапазон от t=1 до t= N и сам функционал стремится к min, а разность (Yt - ) возводится в квадрат.
Примем в качестве выравнивающей линейную функцию
= A + Bt (16)
Так как мы используем весь заданный интервал для t (от 1 до 13), то при написании знака суммы пределы суммирования опустим.
Подставим (16) в (15)
S=? (Yt - A - Bt) 2>min. (17)
Функционал (17) содержит два неизвестных коэффициента (АиВ). Для получения двух уравнений запишем частные производные функционала по неизвестным коэффициентам:
= 2 ? (Yt - A - Bt) * (-1) =0, (18)
= 2 ? (Yt - A - Bt) * (-t) =0. (19)
Перепишем эту систему в виде нормальных уравнений
NА + В?t = ?Yt, (20)
А?t + В?t2 = ?Ytt. (21)
Подставим в полученную систему из табл.1 расчетные параметры: ?t; ?Yt; ?t2; ?Ytt:
13A+91B=1169,6; (22)
91A+819B=8433,6. (23)
Решением системы уравнений (22) и (23) является результат:
A= 80,52, B=1,35. (24)
Полученное уравнение тренда примет вид:
= 80,52+1,35t. (II) (25)
- Введение
- 1. Задание по курсовой работе
- 2. Выполнение задания по курсовой работе
- 3. Определение простой средней арифметической ар:
- 4. Трендовые модели
- 4.1 Трендовые модели с линейной выравнивающей функцией
- 4.2 Метод расчленения исходных данных динамического ряда
- 4.3 Выравнивание методом наименьших квадратов (МНК)
- 4.4 Выравнивание методом наименьших квадратов с переносом начала координат в середину динамического ряда
- 4.5 Трендовые модели с квадратичной выравнивающей функцией
- 4.6 Определение коэффициентов вариации трендовых моделей
- 4.7 Интерполяция и экстраполяция (прогноз) по трендовой модели
- 5. Корреляционные модели
- 5.1 Корреляционная модель производственного процесса
- 5.2 Линейная корреляционная модель
- 5.3 Выравнивание квадратичной функцией
- 5.4 Коэффициент корреляции конкурирующих описаний
- 5.5 Использование модели в оптимизационной задаче
- 6. Графическое изображение результатов расчета по различным конкурирующим моделям
- 7. Проверка правильности выполнения работы
- 8. Графики результатов расчета по полученным корреляционным моделям
- График результатов расчета по полученным корреляционным моделям
- Заключение
- 2.4.Трендовые модели
- Трендовые модели.
- 2.6 Корреляционно-регрессионный / трендовый анализ
- Оценка качества трендовых моделей
- 4.1.Трендовые модели с линейной выравнивающей функцией
- 13. Показатели, используемые для оценки точности трендовых прогнозных моделей.
- Построение трендовых моделей при помощи диаграмм
- Трендовые модели. Характеристика трендовых моделей.
- 3). Трендовые модели в прогнозировании.