Главная » Просмотр файлов » Г.И. Ивченко, Ю.И. Медведев - Математическая статистика

Г.И. Ивченко, Ю.И. Медведев - Математическая статистика (1115270), страница 42

Файл №1115270 Г.И. Ивченко, Ю.И. Медведев - Математическая статистика (Г.И. Ивченко, Ю.И. Медведев - Математическая статистика) 42 страницаГ.И. Ивченко, Ю.И. Медведев - Математическая статистика (1115270) страница 422019-05-09СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 42)

Параметры Ом ..., ()» называют коэффициентами регрессии, а и' — остаточной дисиерсивй. В описанной схеме переменные гм ..., г» могут быть функ- ционально зависимы. В частности, все г, могут являться функ- циями одной переменной 1, например г;=а1 (!), где ау(!) — полинам степени 1) 1, в этом случае говорят о параболической регрессии. В более общем случае возможны корреляции между наблюде- ниями, т. е. вместо условия (5.2) вводится условие 0(в) и'б. Если матрица С известна, то, положив У=С-м'Х, получим, что преобразованные таким образом данные удовлетворяют модели (5,!) — (5.2) (прн линейном преобразовании»' ЕХ первые и вто- рые моменты случайного вектора преобразуются следующим обра- зом: Е(»')=(.Е(Х), 0(»')=$.0(Х) Е').

Таким образом, подробного изучения заслуживает только стандартная модель (5.1) — (5.2). Далее определяющую роль играет матрица А = УХ'. (5 3) Эта матрица всегда неотрицательно определена и положительно огределена тогда н только тогда, когда ганя к = й, т.

е, когда строки матрицы 2 линейно независимы. Действительно, квадратичная форма Ф'А1= Ф'ЕХ'1=(Х'1)' (Х'1) ~ О, »>1= (!ь ..., !»), причем равенство нулю возможно только при 2'1=О. В свою очередь, это равенство эквивалентно равенству !>г,+...+!»г»= — О, н где гм ..., г»-столбцы матрицы Х'.

Таким образом, равен тво улю 1'А1 при некотором 1чв О имеет место только в случае лис нейной зависимости векторов гм ..., г„т. е. при гапй2(й. Излагаемая далее теория строится в предположении, что матрица А не вырождена (или, что эквивалентно, ганя 2 =-й), Полные результаты, относящиеся н к вырожденному случаю, можно найти в (16, гл. 4~. й 5.2. Оцениванне неизвестных параметров модели В этом параграфе будет рассмотрена задача построения точечных оценок параметров ()», ..., р» и о' модели линейной регрессии (5.1) — (5.2). М . Метод наименьших квадратов.

Общим методом оцениванпя неизвестных коэффициентов регрессии (>м ..., р» является разра. ботанный К. Гауссом (1809 г.) и А. Марковым (1900 г.) метод наименьших квадратов, в соответствии с которым оценки этих параметров находят из условия обращения в минимум квадратичной формы 5(()) =5(Х; !)) (Х вЂ” Х'())'(Х вЂ” Х'()), (5.4) представляющей собой сумму квадратов разностей между наблюдениями и их математическими ожиданиями.

Точку Ь=-(Ь, ... > ..., Ь»), удовлетворяющую равенству 5(Ь) =ппп5 (!)), называют, в по определению, оценкой наименьших квадратов (о. н. к.) параметра !)=(()», ..., (!»). Пусть т'= «Х; тогда с помощью непосредственных вычислений можно убедиться, что система уравнений д5(())1д()г — — О, 1'=1, ... ..., й, в матричной форме записывается в виде А!1= 7, (5.5) где матрица А задана в (5.3). Это уравнение для экстремальных точек () называют нормальным уравнением метода наименьших квадратов. Справедливо следующее утверждение. Теорема 5.1. Пусть () — любое решение нормального уравнения, Тогда ппп 5(р) =5 (()) в и, следовательно, этот минимум одинаков длл всех р.

181 Если 1А)~0, то о. м, к. единственна и определяется равенством Ь вЂ” Р А-1У А-'ХХ. (5.6) Е) Пусть ра — произвольное фиксированное значение 1); тогда из (5.4) имеем 5 ())) = [Х вЂ” Х'))а+ Х' (ра — ())1' 1Х вЂ” Х'1)е+Х (ра — ())1 =- 5 (~*)+ 2 ())а — ~)' (У вЂ” А)Р)+((Р— ф)' А (Ра — ()). (5.7) Если 1)" =р, то 5(Р) =ЯМ)+4 — Р)'А()) — ())~Ю(Й). (5.8) поскольку матрица А неотрицательно определена. Таким образом, минимум Я(()) равен 5(Р), достигается при ()=р и одинаков для всех решений р уравнения (5.5).

Отсюда следует, что любое решение нормального уравнения является о, н. к. для (). Для невь!рожденной матрицы А уравнение (5.5) однозначно разрешимо и, следовательно, в этом случае о. н, к. единственна и имеет вид (5.6). ° В ряде случаев интерес представляют не сами параметры 5„... ..., 5», а их некоторые линейные комбинации, т. е. новый параметрический вектор 1=(ст, ..., 1м), т~й, связанный с (1 соотношением 1= Т)), где Т вЂ” заданная матрица размером т хм. В этом случае о.

н. к. 1 для ( определяется равенством (=Т)), где р— любое решение нормального уравнения (5.5). Если',А!~0, то из (5.6) следует, что $ определяется однозначно и имеет вид 1= ТА-тУ = ТА-'ХХ. (5.9) 2. Оптимальность оценок наименьших квадратов. Исследуем свойства полученных оценок. В общем случае будем рассматривать задачу оценивания вектора 1 = Т(1 в классе линейных оценок, т. е..оценок вида 1= Ех, являющихся линейными функциями от наблюдений Х = (Х„ ..., Х„). Теорема 5.2. Пусть матрица А не вырождена. Тогда для произвольного вектора 1 =Т() о.

и. к. 1, определенная равенством (5.9), является несмещенной оценкой с минимальной дисперсией в классе всех линейных месмещенных оценок 1; при этом матрица вторых моментов случайного вектора 1 имеет вид О (1) = ТА- Т' = аО (5.10) П Из (5.9) и (5.1) имеем Е(1) =Е(ТА- ХХ) =ТА- ХЕ(Х) =ТА- ХХ'й=тй=(, т. е. 1 — линейная несмещенная оценка Е Г1усть 1=ЬХ вЂ” произвольная линейная несмещенная оценка 1, т.

е. Е(1)=ЕЕ(Х) = = ЕХ'))=Тр. Это равенство должно выполняться для всех р, по- ~аз этому отсюда следует что Ы'=Т, (5.1 1) Из (5.2) находим 1) (1) = Е О (Х) Е ' = ЧД,'. (5 12) Наша цель — минимизировать дисперсии оценок 1„..., !„, т. е. диагональные элементы матрицы ЕЕ'. Для этого запишем тож- дество Е(.' = (ТА-'Х) (ТА-'ХЕ + (Š— ТА-'Х) (1, — ТА- Х) которое непосредственно следует иэ равенства (5.11). Каждое слагаемое правой части этого тождества имеет вид НН', отк а ', откуда следует неотрицательность диагональных элементов.

Но от Е зависит только второе слагаемое, поэтому диагональные элелтенты О (!) одновременно достигают минимума тогда и только тогда, когда Е ТА-'Х. Соответствующая оптимальная оценка имеет ви и еет вид 1" =ТА-'ХХ=1, т. е, совпадает с о. и. к. (5.9). Наконец, формула (5.10) следует из соотношения (5.12), если подставить вместо Е найденное оптимальное решение. ° В качестве простого следствия теоремы 5.2 получаем, что О(~) =оаА-! или сот (р,а()т)=оаа!/, 1, 1=1, ..., й, (5.13) где (ац',.=А-' =!а; 1-'. !т' Замечание.

Если матрица т имеет вид Т=ЛА, то формулы (бхй н (5,10) принимают соответственно еид 1=лУ, и О) оаллл' т, е, необходимость а вычислении обратной матрицы А ' для нахождения о, н. к. н их вторых иоментов отпадает, Итак, теорема 5.2 позволяет ре!пить задачу о построении оптимальных оценок для произвольных линейных Функций от коэффициентов регрессии; это оценки наименьших квадратов. 3. Оценивание остаточной дисперсии.

Из равенства (5.4) имеем ч Ед (()) = ~ 07(! = по', ! ! Далее, учитывая (5.13), найдем Е(Р-())'А4-))) = ~ а!уЕ(Рг-Р!) Фу-Рт) ам / ! =о' ~ а!уааУ оа1г(АА-х)=ох1г(Еа)=7то'. ! Отсюда и из тождества (5.8) следует, что ЕЯ(р)=(п — й) о' т е несмещенной оценкой для остаточной дисперсии о' является ста- тнстика 8.. ~ 5 (8) = ', (Х вЂ” Хф (Х вЂ” Х'8), (5.14) Вектор () =Х вЂ” Х'р называют остаточным вектором, а его компоненты — остатками. Таким образом, оценка бе равна сул|ме квадратов остатков, поделенной на п — й (разность между числом наблюдений и числом параметров (),).

Приведем другое выражение для (5.14), которое понадобится в дальнейшем. Используя разложение (5.7), запишем остаточнык вектор в виде $3 = (ń— Х'А-'2) Х = ВХ. (5.15) Непосредственно можно проверить, что матрица В, определяемая этим равенством, симметрична н идемпотентна (В'=В); следовательно, вместо (5.14) можно использовать представление 8«= — Х ВХ, (5.16) показывающее явную зависимость оценки о' от наблюдений. Наконец, из (5.15) имеем, что первые и вторые моменты остаточного вектора имеют внд Е (В) =О, 0(О) =о'В= 0(Х) — 0(7'()). (5.17) 4, Обобщенные о. н.

к. Ранее рассматривался случай, когда на возможные значения параметров !) =(8п ..., (4») не накладывалось никаких ограничений, т. е. областью их возможных значений было все евклидова пространство )7». Однако в ряде задач допустимые значения р бывают ограничены теми или иными условиями. Часто эти условия имеют вид линейных ограничений на параметры 8„..., ()», что в общем виде будем записывать так: ТВ=!гп (5. 18) где Т вЂ” некоторая заданная матрица размером тх й (т - й) и 1« — заданный т-мерный вектор такой, что система (5.!с) совместна.

Другими словами, условие (5.!8) означает, что допустимые значения коэффициентов регрессии рм ..., !)» удовлетворяют т заданным линейным ограничениям 1;() =!гв (5.19) где 1,=((ы, ..., („е) и 1;, ..., !' — строки матрицы Т. Естественно предполагать, что ограничения (5.19) линейно независимы (иначе можно перейти к меньшему числу уравнений, исключив линейно зависимые). Таким образом, в дальнейшем будем считать, что гапйТ =т (случай т = Ф, однозначно фиксирующий вектор (1, в последующих рассуждениях формально допускается).

Рассмотрим задачу оценивания параметров р в этой усложненной ситуации. Обозначим 5» = ппп 5 (р) 83тр Ь и назовем обабкиной оценкой наименьших каадратои ()~ то значение р (удовлетворяющее условию (5.18)), при котором 5 - 5 ((!т) Нахождение обобщенной о. и. к. — это задача нахождения условного экстремума функции 5(р), и ее можно решить методом неопределенных множителей Лагранжа. Приведем только окончательный результат: ()г = () — А-'Т'0-' (Тб — 1„), (5.21) где р — обычная о.

н. к. (без ограничений на параметры ()), определенная равенством (5.6), а матрица 0=ТА-'Т' размером т хт положительно определена. Докажем тот факт, что Вг — точка условного минимума квадратичной формы 5(р). Из (5.21) непосредственно получаем, что Т()г=!е, т. е. точка !)т удовлетворяет условию (5.18). Воспользуемся далее разложением (5.?) для 5((1) и положим в нем ре = -- рт. 5(())=5($~т)+2(Вт — В)'(У вЂ” А()г)+4г — $))' А(йт — ()). Так как АР=У, то из (5.21) следует, что Х вЂ” Айт=Т'0-' х х (Тр — !е). Учитывая также, что Т(()г — $)).=,!я — Т(1, получаем равенство 5 (()) = 5 ф г) + 2 (!е — Т())' 0 ' (Т() — !в) + ((1 г — ~)' А (фг — ~), (5.22) справедливое при всех р. Пусть теперь () удовлетворяет условию (5.18); тогда средний член обращается в нуль и 5 (й) = 5 (() г) -', (() г — ()) ' А (Рг — ()) ~ 5 (Дт), причем равенство достигается только при ()=()т.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6547
Авторов
на СтудИзбе
300
Средний доход
с одного платного файла
Обучение Подробнее