Простые линейные модели - описание простой модели
Глава 6 Простые линейные модели
В данной главе рассматриваются простые линейные модели с одним, двумя и тремя параметрами.
6.1. Описание простой модели
При статистическом моделировании с постановкой n опытов эксперимента уравнение линейной регрессионной модели с двумя параметрами, в силу (2.6.3), имеет вид
уi=q0x0i+q1x1i+ei (i=1, 2, ..., n).
Эта модель линейна относительно параметров q0 и q1. Модель уi=q0x0i+q1x1i2+ei тоже линейна относительно параметров q0 и q1, но модель уi=q0x0i+exp(q1x1i)+ei нелинейная относительно q0 и q1. Кроме этого, в рассматриваемых здесь линейных моделях для всех опытов эксперимента значение переменной x0=1. Поэтому для n опытов модель с двумя параметрами можно записать так
уi=q0+q1xi+ei. (6.1.1)
В этой главе полагаем, что уi и ei - случайные переменные, а значения xi влияющей на отклик переменной или фактора являются известными числовыми значениями. Это значит, что одни и те же значения x1, x2, ..., xп фактора x устанавливаются в повторных опытах эксперимента.
Вместе с этой лекцией читают "Лекция 17 - Инфекционные заболевания".
Для завершения описания представленной выражением (6.1.1) модели делаются следующие дополнительные допущения:
1. Математические ожидания E(ei)=0 для всех i=1, 2, ..., n или, что то же самое, Е(уi)=q0+q1xi.
2. Дисперсии D(ei)=s2 для всех i=1, 2, ..., n или, что то же самое, D(уi)=s2.
3. Ковариации C(ei, ej)=0 для всех i≠j (j=1, 2, ..., n) или, что то же самое, C(уi, уj)=0.
Первое допущение утверждает, что функция Е(уi)=q0+q1xi модели верна и поэтому изменения значений переменных отклика уi зависят только от изменений значений xi влияющей на отклик переменной, а все другие изменения переменных уi являются случайными. Второе допущение означает, что дисперсии переменных ei или уi не зависят от значений xi. (Это допущение известно также как допущение однородности дисперсий или постоянной дисперсии.) Третье допущение утверждает, что в опытах эксперимента переменные ei (или уi) не коррелированы друг с другом. Далее в разделе 6.3 будет добавлено допущение о распределении их по нормальному закону и, в связи с этим, переменные уi (или ei) будут не коррелированы и независимы. Каждое допущение было выражено с использованием переменных ei и уi. Например, если дисперсия D(ei)=s2, то D(уi) =E[уi–Е(уi)]2=Е(уi–q0–q1xi)2=Е(ei2)=s2.
Для реальных результатов опытов эксперимента любые из этих допущений могут не соблюдаться. Графическое представление полученных данных часто показывает отклонения от первого и второго допущений (и в меньшей степени от третьего). Методы проверки допущений обсуждаются в главе 8.