简介
最小二乘法公式
∑
=∑
=∑XY--X平∑Y--Y平∑X+nX平Y平
=∑XY--nX平Y平--nX平Y平+nX平Y平
=∑XY--nX平Y平
∑^2
=∑
=∑X^2--2nX平^2+nX平^2
=∑X^2--nX平^2最小二乘公式
a=/^2)
b=y-ax最小二乘法
在我们研究两个变量之间的相互关系时，通常可以得到一系列成对的数据,.. ；将这些数据描绘在x -y直角坐标系中, 若发现这些点在一条直线附近，可以令这条直线方程如。
Y计= a0 + a1 X
其中：a0、a1 是任意实数
为建立这直线方程就要确定a0和a1，应用《最小二乘法原理》，将实测值Yi与利用计算值的离差的平方和〔∑²〕最小为“优化判据”。
令: φ = ∑²
把代入中得:
φ = ∑2
当∑²最小时，可用函数 φ 对a0、a1求偏导数，令这两个偏导数等于零。
亦即
m a0 + a1 = ∑Yi
a0 + a1 = ∑
得到的两个关于a0、 a1为未知数的两个方程组，解这两个方程组得出：
a0 = / m - a1 / m
a1 = [∑Xi Yi - / m] / [∑Xi2 - 2 / m)]
这时把a0、a1代入中, 此时的就是我们回归的元线性方程即：数学模型。
在回归过程中，回归的关联式是不可能全部通过每个回归数据点,为了判断关联式的好坏,可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1 越好；“F”的绝对值越大越好；“S”越趋近于 0 越好。
R = [∑XiYi - m ]/ SQR{[∑Xi2 - m 2][∑Yi2 - m 2]} ＊
在中，m为样本容量，即实验次数；Xi、Yi分别任意一组实验X、Y的数值。微积分应用课题一 最小二乘法
从前面的学习中, 我们知道最小二乘法可以用来处理一组数据, 可以从一组测定的数据中寻求变量之间的依赖关系, 这种函数关系称为经验公式. 本课题将介绍最小二乘法的精确定义及如何寻求 与 之间近似成线性关系时的经验公式. 假定实验测得变量之间的 个数据 , , …, , 则在 平面上, 可以得到 个点 , 这种图形称为“散点图”, 从图中可以粗略看出这些点大致散落在某直线近旁, 我们认为 与 之间近似为一线性函数, 下面介绍求解步骤.
考虑函数 , 其中 和 是待定常数. 如果 在一直线上, 可以认为变量之间的关系为 . 但一般说来, 这些点不可能在同一直线上. 记 , 它反映了用直线 来描述 , 时, 计算值 与实际值 产生的偏差. 当然要求偏差越小越好, 但由于 可正可负, 因此不能认为总偏差 时, 函数 就很好地反映了变量之间的关系, 因为此时每个偏差的绝对值可能很大. 为了改进这一缺陷, 就考虑用 来代替 . 但是由于绝对值不易作解析运算, 因此, 进一步用 来度量总偏差. 因偏差的平方和最小可以保证每个偏差都不会很大. 于是问题归结为确定 中的常数 和 , 使 为最小. 用这种方法确定系数 , 的方法称为最小二乘法.
由极值原理得 , 即
解此联立方程得
问题 I 为研究某一化学反应过程中, 温度 ℃)对产品得率 的影响, 测得数据如下:
温度 ℃)
100 110 120 130 140 150 160 170 180 190
得率
45 51 54 61 66 70 74 78 85 89
利用“ListPlot”函数, 绘出数据 的散点图;
利用“Line”函数, 将散点连接起来, 注意观察有何特征? ;
根据公式, 利用“Apply”函数及集合的有关运算编写一个小的程序, 求经验公式 ;
、B, 由公式可定义两个二元函数分别表示 和 . 集合A元素求和: Apply[Plus,A] 表示将加法施加到集合A上, 即各元素相加, 例如Apply[Plus,{1,2,3}]=6;Length[A]表示集合A 元素的个数, 即为n; A.B表示两集合元素相乘相加;A*B表示集合A与B元素对应相乘得到的新的集合.)
在同一张图中显示直线 及散点图;
估计温度为200时产品得率.
然而, 不少实际问题的观测数据 , , …, 的散点图明显地不能用线性关系来描叙, 但确实散落在某一曲线近旁, 这时可以根据散点图的轮廓和实际经验, 选一条曲线来近似表达 与 的相互关系.
问题 II 下表是美国旧轿车价格的调查资料, 今以 表示轿车的使用年数, 表示相应的平均价格, 求 与 之间的关系.使用年数
1 2 3 4 5 6 7 8 9 10平均价格
2651 1943 1494 1087 765 538 484 290 226 204
利用“ListPlot”函数绘出数据 的散点图, 注意观察有何特征?
令 , 绘出数据 的散点图, 注意观察有何特征?
利用“Line”函数, 将散点 连接起来, 说明有何特征?
利用最小二乘法, 求 与 之间的关系;
求 与 之间的关系;
在同一张图中显示散点图 及 关于 的图形.思考与练习
1. 假设一组数据 : , , …, 变量之间近似成线性关系, 试利用集合的有关运算, 编写一简单程序: 对于任意给定的数据集合 , 通过求解极值原理所包含的方程组, 不需要给出 、 计算的表达式, 立即得到 、 的值, 并就本课题 I /进行实验.
注: 利用Transpose函数可以得到数据A的第一个分量的集合, 命令格式为:
先求A的转置, 然后取第一行元素, 即为数据A的第一个分量集合, 例如
=
=
B-C表示集合B与C对应元素相减所得的集合, 如 = .
2. 最小二乘法在数学上称为曲线拟合, 请使用拟合函数“Fit”重新计算 与 的值, 并与先前的结果作一比较.
