2014 dxdy logo

Научный форум dxdy

Математика, Физика, Computer Science, Machine Learning, LaTeX, Механика и Техника, Химия,
Биология и Медицина, Экономика и Финансовая Математика, Гуманитарные науки


Правила форума


В этом разделе нельзя создавать новые темы.

Если Вы хотите задать новый вопрос, то не дописывайте его в существующую тему, а создайте новую в корневом разделе "Помогите решить/разобраться (М)".

Если Вы зададите новый вопрос в существующей теме, то в случае нарушения оформления или других правил форума Ваше сообщение и все ответы на него могут быть удалены без предупреждения.

Не ищите на этом форуме халяву, правила запрещают участникам публиковать готовые решения стандартных учебных задач. Автор вопроса обязан привести свои попытки решения и указать конкретные затруднения.

Обязательно просмотрите тему Правила данного раздела, иначе Ваша тема может быть удалена или перемещена в Карантин, а Вы так и не узнаете, почему.



Начать новую тему Ответить на тему На страницу 1, 2  След.
 
 Метод наименьших квадратов
Сообщение18.03.2008, 14:24 


18/03/08
18
Помогите пожалуйста найти формулы для рассчета след. задачи по методу наименьших квадратов.(нужно найти коэффициенты в уравнении $y=bx+a$ и также их погрешности).
Даны значения вида:
Код:
0   6.0567 0.0257
60  5.9322 0.0291
120 5.8051 0.0331
180 5.6937 0.0369
240 5.5872 0.0411
300 5.4680 0.0463

В 1-м столбце значения x, во 2-м y, в 3-м погрешность измерения $ \Delta y$.
Искал в нескольких книгах, но нашел только формулы для рассчета коэффициентов a и b, как рассчитать погрешности не знаю :( .

 Профиль  
                  
 
 
Сообщение18.03.2008, 14:42 
Заслуженный участник
Аватара пользователя


21/12/05
5903
Новосибирск
Ну дык, взять найденные a, b и вычислить $\Delta y_i = bx_i+a - y_i$

Добавлено спустя 6 минут 5 секунд:

Или я недопонял? Типа погрешности координат точек заданы и требуется узнать какую погрешность даст метод при нахождении a, b?
Это тоже просто - формулы ведь явные, берите первое приближение, то есть дифференциал...

 Профиль  
                  
 
 
Сообщение18.03.2008, 14:44 


18/03/08
18
Извините, я не очень понятно сформулировал вопрос. Мне нужно найти$\Delta a$ и $\Delta b$

 Профиль  
                  
 
 
Сообщение18.03.2008, 15:13 
Заслуженный участник
Аватара пользователя


30/10/07
1221
Самара/Москва
ARMICRON писал(а):
Извините, я не очень понятно сформулировал вопрос. Мне нужно найти$\Delta a$ и $\Delta b$


Думаю, что эта задача сводится к нахождению наибольшего и наименьшего значений $a(y_1,\dots,y_n)$ и $b(y_1,\dots,y_n)$ на $n$-мерном прямоугольнике с центром в $(y_1,\dots,y_n)$ (кторые будут достигаться на одной из вершин)

 Профиль  
                  
 
 
Сообщение18.03.2008, 15:14 
Супермодератор
Аватара пользователя


29/07/05
8248
Москва
Погрешности для коэффициентов регрессии зависят от вероятностной модели. Ответ выражается в виде доверительных интервалов. Примеры для двух разных моделей можно посмотреть на этом сайте, задание 6.

 Профиль  
                  
 
 
Сообщение18.03.2008, 15:21 
Заслуженный участник
Аватара пользователя


30/10/07
1221
Самара/Москва
PAV писал(а):
Погрешности для коэффициентов регрессии зависят от вероятностной модели. Ответ выражается в виде доверительных интервалов. Примеры для двух разных моделей можно посмотреть на этом сайте, задание 6.

Я так понял, что нужно найти погрешности не для коэффициентов регрессии, а именно для их МНК-оценок и только для данной схемы наблюдений. Иначе я не понимаю, зачем заданы погрешности для $y$.. :roll:

 Профиль  
                  
 
 
Сообщение18.03.2008, 15:25 
Супермодератор
Аватара пользователя


29/07/05
8248
Москва
Возможно. Хорошо бы иметь уточнение задачи, иначе действительно непонятно, что имеется в виду. Варианты возможны разные.

 Профиль  
                  
 
 
Сообщение18.03.2008, 15:40 


18/03/08
18
Я студент 1го курса специальности "физика" хочу написать программу для обработки результатов экспериментов по МНК. Обычно, рассчеты по лабораторным выполняем на стареньком компьютере в университете в программе, алгоритм работы которой я пытаюсь узнать(исходного кода программы нет, известны только результаты рассчета для нескольких таблиц значений). В математике не очень разбираюсь... Так понятнее?

 Профиль  
                  
 
 
Сообщение18.03.2008, 16:29 
Заслуженный участник
Аватара пользователя


30/10/07
1221
Самара/Москва
Ситуация стала понятнее, но задача не прояснилась.
Хорошо, попробуем так.
Будем вначале исходить из того, что необходимо найти погрешности МНК-оценок коэффициентов регрессии, (т.е. $\Delta\tilde a$ и $\Delta\tilde b$), где $\tilde a$ и $\tilde b$ вычисляются по формулам:
$$
\tilde b=\frac{\sum\limits_{i=1}^n(x_i-\overline{x})y_i}{\sum\limits_{i=1}^n(x_i-\overline{x})^2}
$$
$$
\tilde a=\overline{y}-\tilde b \overline{x}
$$
Очевидно, чтобы найти максимум $\tilde b$, нужно в качестве $y_i$ подставлять $y_i+\Delta y_i$ при $x_i>\overline{x}$ и $y_i-\Delta y_i$ в обратном случае (так как все $y_i-\Delta y_i>0$) Аналогично находим минимум.

Но это только то, что касается МНК-оценок в рамках данной серии опытов, а не самих параметров регрессии.

 Профиль  
                  
 
 
Сообщение18.03.2008, 16:52 


29/09/06
4552
Не для того ли заданы погрешности измерения $y_i\pm\Delta y_i$, чтобы минимизировать
$F(a,b)=\sum\left(\dfrac{ax_i+b-y_i}{\Delta y_i}\right)^2$ ?
Т.е. сумма квадратов берётся с весовыми множителями, и множители, выбранные именно так, не есть какая-то эпмирика, а что-то статистически обоснованное?
Это я вытащил какие-то свои воспоминания, без всяких претензий на точность и без попыток правильной интерпретации...

 Профиль  
                  
 
 
Сообщение18.03.2008, 17:12 
Заслуженный участник
Аватара пользователя


30/10/07
1221
Самара/Москва
Тогда в случае, когда некоторые величины измерены "более точно", соотв. слагаемые будут "тяжелее", а значит будут сильнее влиять на значения оценок..
Хм.. почему бы и нет.

 Профиль  
                  
 
 
Сообщение18.03.2008, 17:33 
Супермодератор
Аватара пользователя


29/07/05
8248
Москва
Это вполне разумно. С вероятностной точки зрения это означает, что случайные отклонения наблюдений от истинной линейной зависимости не одинаково распределены. Различные наблюдения имеют различную дисперсию, причем она нам откуда-то известна.

 Профиль  
                  
 
 
Сообщение18.03.2008, 18:33 


29/09/06
4552
То, что это эмпирически хорошо обосновано, очевидно. Я имел в виду то, что это, возможно, нечто большее --- например, метод описанный в теории (мною позабытой, знатоки укажут, если это так). Частным случаем которого (все $\Delta y_i$ примерно одинаковы или неизвестны) является обычная регрессия без весов.

Добавлено спустя 28 минут 18 секунд:

Забавная мысль, кажется, мысль: делаем обычный МНК, определяем $\delta y_i=ax_i+b-y_i$. Эти значения обычно используются для отбраковки "заведомо плохих" измерений и пересчёта параметров модели. Вот эту отбраковку можно и устроить, взяв $\Delta y_i=\delta y_i$ как весовые множители для следующей итерации. Получим очередной набор весов, следующую итерацию... И т.д. Сходимость, причём быстрая, интуитивно ясна. А более полная интерпретация такого алгоритма и его результата теоретиками от статистики, возможно, была бы интересной.

Но мне бы не хотелось уводить обсуждение в эту сторону, ибо это явно не то, чего ждёт вопрошающий (ну, если только после удовлетворения его нужд можно почесать язык об эти итерации).

Насколько я понял, вопрос автора состоит примерно в следующем. Если мы такого рода измерениями проверяем закон Ома, то какую погрешность $\Delta R$ следует приписать найденному сопротивлению?
Здесь дело чуть сложнее, чем закон Ома, ибо мы фитируем два параметра. И значения $\Delta a$, $\Delta b$ могут быть совсем неинтересными (напрягаю память) --- это всего лишь диагональные элементы $\left(\sqrt{\dfrac{\mbox{\tiny диаг. эл-ты}}{N-1}}?\right)$ некой корреляционной матрицы. Недиагональный элемент, что-то вроде коэфф. корреляции надобно тоже проанализировать.
Не в корреляционной ли матрице суть вопроса? Право, ARMICRON, почитайте про неё...

Добавлено спустя 11 минут 41 секунду:

Ну да, конечно.
Когда я работал на физиков, выдача ВСЕХ классических МНК-минимайзеров (Minuit, напрмер) состояла в выдаче найденных $n$ параметров, и --- непременно --- их $n\times n$ корреляционной матрицы.

 Профиль  
                  
 
 
Сообщение20.06.2008, 22:23 


18/03/08
18
В общем спросил у преподователя формулы и написал программку.
Если будут вопросы по программе можете стучаться в ICQ.
Код:
#!/usr/bin/perl -w
#   Least squares method.

chomp( $name = <STDIN> );
chomp( $nlab = <STDIN> );

open( DAT, "< lab8_2.dat" ) or die "Couldn't open file for    &!\n";

while ( $line = <DAT> ) {
   $line =~ m/^([^\s]+)\s+([^\s]+)\s+([^\s]+)/gi;
   push @x, $1;
   push @y, $2;
   push @z, $3;
   $n++;
}

for ( $i = 0 ; $i <= $n - 1 ; $i++ ) {
   $A1 += 1 / $z[$i]**2;
   $A2 += $x[$i]**2 / $z[$i]**2;
   $A3 += $x[$i] / $z[$i]**2;
   $A4 += $y[$i] / $z[$i]**2;
   $A5 += $x[$i] * $y[$i] / $z[$i]**2;
}
$delta = $A1 * $A2 - $A3**2;
$b     = sprintf( "%.6e", 1 / $delta * ( $A4 * $A2 - $A5 * $A3 ) );
$a     = sprintf( "%.6e", 1 / $delta * ( $A5 * $A1 - $A4 * $A3 ) );


$delta_b = sprintf( "%.6e", sqrt( 1 / $delta * $A3 ) );
$delta_a = sprintf( "%.6e", sqrt( 1 / $delta * $A1 ) );
close(DAT);

# Data output
print "\\documentclass[12pt]{article}\n";
print "\\pagestyle{empty}\n";
print "\\usepackage{mathtext}\n";
print "\\usepackage[T1,T2A]{fontenc}\n";
print "\\usepackage[utf-8]{inputenc}\n";
print "\\usepackage[english,russian]{babel}\n";
print "\\begin{document}\n";
print "\\begin{tabular}{|c|c|c|c|}\n";
print "\\hline\n";
print "\\multicolumn{4}{|l|}{Работа $nlab}\\\\ \n";
print "\\multicolumn{4}{|c|}{$name}\\\\ \n";
print "\\hline\n";
print "\\multicolumn{4}{|c|}{Экспериментальные данные}\\\\ \n";
print "\\hline\n";
if ($nlab == 1) {die;}
   elsif ($nlab == 2) {die;}
   elsif ($nlab == 3) {die;}
   elsif ($nlab == 4) {print "Номер & \$1/\\tau, c^{-1}\$ & \$P, Па\$ & \$\\Delta P, Па\$ \\\\ \n";}
   elsif ($nlab == 5) {print "Номер &  &  &  \\\\ \n";}
   elsif ($nlab == 6) {print "Номер & \$t, c\$ & \$y\$ & \$\\Delta y\$  \\\\ \n";}
   elsif ($nlab == 7) {print "Номер &  &  &  \\\\ \n";}
   elsif ($nlab == 8) {print "Номер & \$t, с\$ & \$\\ln(T)\$ & \$\\Delta y\$ \\\\ \n";}
   elsif ($nlab == 9) {print "Номер &  &  &  \\\\ \n";}
   elsif ($nlab == 10) {print "Номер &  &  &  \\\\ \n";}
   elsif ($nlab == 11) {die;}
   elsif ($nlab == 12) {print "Номер & \$t, c\$ & \$\\ln(T-T_{0})\$ & \$\\Delta\\ln(T-T_{0})\$  \\\\ \n";}
   elsif ($nlab == 13) {print "Номер &  &  &  y \\\\ \n";}
   elsif ($nlab == 14) {print "Номер &  &  &  y \\\\ \n";}
   elsif ($nlab == 15) {print "Номер & \$T_{н}, K\$ & \$P\$ & \$\\Delta P\$ \\\\ \n";}
   elsif ($nlab == 16) {print "Номер & \$t, с\$ & \$T, K\$ & \$\\Delta T\$ \\\\ \n";}
   else {die;}
print "\\hline\n";

for ( $i = 0 ; $i <= $n - 1 ; $i++) {
   $h = $i +1;
   print "$h & $x[$i] & $y[$i] & $z[$i] \\\\ \n";
}
print "\\hline\n";
print "\\multicolumn{4}{|c|}{Результаты математической обработки} \\\\ \n";
print "\\hline\n";
print "\\multicolumn{4}{|l|}{A = $a \\qquad Погрешность \$\\Delta\$ A = $delta_a}\\\\ \n";
print "\\multicolumn{4}{|l|}{B = $b \\qquad Погрешность \$\\Delta\$ B = $delta_b}\\\\ \n";
print "\\hline\n";
print "\\end{tabular}\n";
print "\\end{document}\n";

 Профиль  
                  
 
 
Сообщение20.06.2008, 23:13 
Заслуженный участник


11/05/08
32166
пожалуй, стоит начать вот с чего. Если заданы экспериментальные погрешности игреков, то традиционно применяют МНК с весом. Т.е. целевой функцией (подлежащей минимизации) будет

$$\varepsilon(a,b)=\sum_{i=1}^n(y_i-(ax_i+b))^2\cdot w_i,$$

где $w_i$ обратно пропорциональны квадратам экспериментальных погрешностей (т.е. попросту $w_i={1\over(\Delta y)^2$).
Расчётные формулы: надо решить системку два на два $G\cdot\vec\alpha=\vec\beta$, где $\vec\alpha=(a,b)^T$ -- столбец неизвестных параметров, $G$ -- матрица Грама:

$$G=\left(\begin{array}{cc}(\vec X,\vec X)_w & (\vec X,\vec 1)_w \\ (\vec 1,\vec X)_w & (\vec 1,\vec 1)_w\end{array}\right),$$

$$(\vec X,\vec X)_w=\sum_{i=1}^nx_i^2\cdot w_i=\sum_{i=1}^n{x_i^2\over(\Delta y_i)^2},$$
$$(\vec X,\vec 1)_w=(\vec 1,\vec X)_w=\sum_{i=1}^n1\cdot x_i\cdot w_i=\sum_{i=1}^n{x_i\over(\Delta y_i)^2},$$
$$(\vec 1,\vec 1)_w=\sum_{i=1}^n1^2\cdot w_i=\sum_{i=1}^n{1\over(\Delta y_i)^2},$$

$$\vec\beta=\left(\begin{array}{c}(\vec Y,\vec X)_w \\ (\vec Y,\vec 1)_w \end{array}\right)=\left(\begin{array}{c}\sum_{i=1}^n{y_ix_i\over(\Delta y_i)^2} \\ \sum_{i=1}^n{y_i\over(\Delta y_i)^2} \end{array}\right).$$

 Профиль  
                  
Показать сообщения за:  Поле сортировки  
Начать новую тему Ответить на тему  [ Сообщений: 18 ]  На страницу 1, 2  След.

Модераторы: Модераторы Математики, Супермодераторы



Кто сейчас на конференции

Сейчас этот форум просматривают: нет зарегистрированных пользователей


Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете добавлять вложения

Найти:
Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group