Метод наименьших квадратов. Пусть для исследуемого процесса постулируется линейная модель вида (3)Пусть для исследуемого процесса постулируется линейная модель вида (3). В этом уравнении величины и неизвестны, причем величину трудно исследовать, поскольку она изменяется от наблюдения к наблюдению. Однако величины остаются постоянными. Если было проведено опытов (), в результате которых фиксировались значения факторов и отклика , можно найти оценки параметров . В качестве процедуры оценивания обычно используется метод наименьших квадратов. Уравнение регрессии модели (3) имеет вид: . Составим сумму квадратов отклонений измеренных значений отклика от постулированного уравнения регрессии: (8) и подберем такие значения , чтобы их подстановка вместо в (8) давала минимальное значение . Для этого надо найти частные производные по параметрам и приравнять их нулю. Тогда так что для оценок имеем: (9) Система (9) носит название системы нормальных уравнений. Данная система уравнений имеет единственное решение . Величины является несмещенными и эффективными оценками параметров модели . Предсказанные или расчетные значения отклика можно получить из оценочного уравнения регрессии: . Рассмотрим линейную модель 1-го порядка при наличии одного фактора: . (10) Система нормальных уравнений в этом случае будет иметь вид: . После преобразований получим (11) Решение уравнений (11) дает: , (12) где . Оценочное уравнение регрессии можно записать в виде (13) Пользуясь формулой (13), можно найти предсказанные значения отклика и значения остатков для каждой пары экспериментальных точек .
|