Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
10.2. ФОРМАЛИЗАЦИЯ ЗАДАЧИЗдесь мы предлагаем метод, позволяющий обнаруживать К локальных режимов регрессии и К связанных с ними гиперплоскостей, построенных из условия минимума критерия, измеряющего неадекватность подвыборок их линейным представлениям. Напомним сначала классические результаты регрессии и введем понятие псевдообращения. 10.2.1. Необходимые теоретические факты и псевдообращениеОбычно модель линейной множественной регрессии с
где
где Обыкновенный метод наименьших квадратов состоит в том, что в качестве оценки
или в матричной форме:
Условия первого порядка выражаются в виде
Эти условия определяют нормальные уравнения:
и гарантируют нам единственный минимум, если матрица Итак, возможны два случая:
В первом случае получаем классический результат:
Во втором случае (случай мультиколлинеарности, неортогональные переменные и т. п.) мы должны ввести понятие обобщенного обращения. Определение 1. Пусть
Мы сейчас покажем, что такая матрица всегда существует. Рассмотрим матрицу
где Из ортогональности матрицы
откуда Кроме того,
откуда
Так как
а так как
то
Лемма. Матрица Доказательство.
Таким образом, для каждой матрицы А существует псевдообратная матрица. Покажем теперь, что псевдообратная матрица к Предложение 1. Пусть Доказательство. Зная, что
В самом деле, раскрывая скобки, получим
Предложение 2. Пусть Доказательство. Помня, что
Таким образом, не только доказано существование псевдообратной матрицы, но и описана вся совокупность (вообще говоря, бесконечная) псевдообратных матриц. Очевидно, что если матрица А обратима, то Применение к линейным системам. Пусть имеется система
ранга Определение 2. Говорят, что система совместна, если для заданных Предложение 3. Для совместности системы Доказательство. Необходимость. Если существует решение
Достаточность. Пусть Предложение 4. Если система
Доказательство. Нужно показать, что если 1)
2) Для регрессионной модели получим
Определение 3. Напомним несколько результатов и статистических критериев, позволяющих судить о значимости регрессии. В случае когда модель содержит постоянный член (одна из объясняющих переменных постоянна равна 1 на всей выборке), адекватность модели выборке измеряют с помощью коэффициента детерминации
где В случае когда модель не содержит константы (это ограничение, требующее, чтобы гиперплоскость регрессии проходила через начало координат), адекватность измеряют величиной
Оценка
и, следовательно, Приведенные выше результаты будут применяться для каждого подмножества наблюдений, полученного после разбиения всего множества наблюдений на К классов. 10.2.2. Пространство представительствПусть Здесь Определение 4. Назовем пространством представительств
Пространство Положим и
Здесь 10.2.3. Оптимизируемый критерийАлгоритм состоит в одновременном поиске разбиения на К классов множества наблюдений и К гиперплоскостей регрессии, связанных с этим разбиением таким образом, что минимизируется критерий:
Минимизируют сумму квадратов остатков, связанных с разбиением множества из
|
1 |
Оглавление
|