다양한 과학 및 실제 활동 분야에서 가장 폭넓게 적용됩니다. 이는 물리학, 화학, 생물학, 경제학, 사회학, 심리학 등이 될 수 있습니다. 운명의 뜻에 따라 경제 문제를 자주 다루어야하므로 오늘은 여러분을 위해라는 놀라운 나라로의 여행을 준비하겠습니다. 계량경제학=) ...어떻게 원하지 않을 수 있나요?! 그곳은 아주 좋습니다. 결정만 하면 됩니다! ...하지만 당신이 확실히 원하는 것은 문제 해결 방법을 배우는 것입니다. 최소제곱법. 특히 부지런한 독자들은 이 문제를 정확할 뿐만 아니라 매우 빠르게 푸는 방법을 배울 것입니다 ;-) 하지만 먼저 문제에 대한 일반적인 진술+ 동반 예시:
정량적으로 표현되는 특정 주제 영역의 지표를 연구해 보겠습니다. 동시에 지표가 지표에 따라 다르다고 믿을 만한 모든 이유가 있습니다. 이 가정은 과학적 가설일 수도 있고 기본적인 상식에 기초할 수도 있습니다. 그러나 과학은 제쳐두고 좀 더 맛있는 분야, 즉 식료품점을 살펴보겠습니다. 다음으로 나타내자:
– 식료품 점의 소매 면적, 평방 미터,
– 식료품점의 연간 매출액은 백만 루블입니다.
매장 면적이 클수록 대부분의 경우 매출이 더 커진다는 것은 분명합니다.
탬버린을 가지고 관찰/실험/계산/춤을 수행한 후 마음대로 사용할 수 있는 수치 데이터가 있다고 가정해 보겠습니다. 
식료품 점의 경우 모든 것이 명확하다고 생각합니다. - 이것은 첫 번째 매장의 영역, - 연간 매출액, - 두 번째 매장의 영역, - 연간 매출액 등입니다. 그건 그렇고, 기밀 자료에 접근하는 것이 전혀 필요하지 않습니다. 무역 회전율에 대한 상당히 정확한 평가는 다음을 통해 얻을 수 있습니다. 수학적 통계. 하지만 산만해지지 마세요. 상업 스파이 과정은 이미 지불되었습니다 =)
표 형식의 데이터는 점 형태로 작성되고 친숙한 형태로 표시될 수도 있습니다. 데카르트 시스템 .
중요한 질문에 답해 보겠습니다. 질적 연구에는 몇 점이 필요한가요?
많을수록 좋습니다. 최소 허용 세트는 5-6점으로 구성됩니다. 또한, 데이터의 양이 적을 경우 '비정상적인' 결과는 표본에 포함될 수 없습니다. 예를 들어 소규모 엘리트 매장은 "동료"보다 더 많은 수익을 얻을 수 있으므로 찾아야 할 일반적인 패턴이 왜곡됩니다!
아주 간단하게 말하면, 기능을 선택해야 합니다. 일정지점에 최대한 가깝게 통과합니다. 
. 이 함수는 근사치
(근사 - 근사)또는 이론적 기능
. 일반적으로 말하면 여기에는 명백한 "경쟁자"가 즉시 나타납니다. 그래프가 모든 지점을 통과하는 고차 다항식입니다. 그러나 이 옵션은 복잡하고 흔히 잘못된 경우가 많습니다. (그래프가 항상 "루프"되고 주요 추세를 제대로 반영하지 못하기 때문).
따라서 구하는 함수는 매우 단순해야 하며 동시에 종속성을 적절하게 반영해야 합니다. 짐작할 수 있듯이 이러한 함수를 찾는 방법 중 하나는 다음과 같습니다. 최소제곱법. 먼저, 그 본질을 일반적인 용어로 살펴 보겠습니다. 일부 함수를 실험 데이터에 가깝게 만듭니다. 
이 근사치의 정확성을 어떻게 평가하나요? 실험값과 기능값 간의 차이(편차)도 계산해 보겠습니다. (우리는 그림을 연구합니다). 가장 먼저 떠오르는 생각은 합이 얼마나 큰지 추정해 보는 것인데, 문제는 그 차이가 음수가 될 수 있다는 것이다. (예를 들어, 
)
그러한 합산의 결과로 발생하는 편차는 서로 상쇄됩니다. 따라서 근사의 정확성을 추정하기 위해 다음과 같은 합계를 구해야 합니다. 모듈편차:
또는 축소됨: (누군가 모르는 경우: – 이것은 합계 아이콘이고 – 1에서 까지의 값을 취하는 보조 "카운터" 변수).
서로 다른 함수를 사용하여 실험 점을 근사함으로써 서로 다른 값을 얻을 수 있으며, 분명히 이 합이 더 작은 경우 해당 함수가 더 정확합니다.
그러한 방법이 존재하며 이를 호출합니다. 최소 모듈러스 방법. 그러나 실제로는 훨씬 더 널리 퍼졌습니다. 최소제곱법, 가능한 음수 값은 모듈에 의해 제거되지 않고 편차를 제곱하여 제거됩니다.
, 그 후에는 편차 제곱의 합이 다음과 같은 함수를 선택하는 데 노력을 기울입니다. 
최대한 작았습니다. 실제로 메소드의 이름은 여기서 유래되었습니다.
이제 또 다른 중요한 점으로 돌아갑니다. 위에서 언급했듯이 선택한 기능은 매우 간단해야 하지만 그러한 기능도 많이 있습니다. 선의 , 쌍곡선, 지수, 대수적, 이차 등. 그리고 물론 여기서는 즉시 "활동 분야를 축소"하고 싶습니다. 연구를 위해 어떤 기능 클래스를 선택해야 합니까? 원시적이지만 효과적인 기술:
– 가장 쉬운 방법은 점을 묘사하는 것입니다 
도면에서 위치를 분석합니다. 직선으로 달리는 경향이 있다면 다음을 찾아야 합니다. 선의 방정식 
최적의 값과 . 즉, 작업은 편차 제곱의 합이 가장 작도록 이러한 계수를 찾는 것입니다.
예를 들어 포인트가 다음과 같이 위치한 경우 과장법, 그러면 선형 함수가 잘못된 근사치를 제공한다는 것이 명백히 분명해집니다. 이 경우, 우리는 쌍곡선 방정식에 대해 가장 "유리한" 계수를 찾고 있습니다. 
– 최소 제곱합을 제공하는 것 
.
이제 두 경우 모두에 대해 이야기하고 있습니다. 두 변수의 함수, 그 인수는 다음과 같습니다. 검색된 종속성 매개변수:
그리고 본질적으로 우리는 표준 문제를 해결해야 합니다. 두 변수의 최소 함수.
우리의 예를 기억해 봅시다. "저장" 지점이 직선에 위치하는 경향이 있고 그 존재를 믿을 만한 모든 이유가 있다고 가정합니다. 선형 의존성소매 공간의 매출. 제곱 편차의 합이 되도록 계수 "a"와 "be"를 찾아봅시다. 
가장 작았습니다. 모든 것이 평소와 같습니다. 먼저 1차 편도함수. 에 따르면 선형성 규칙합계 아이콘 바로 아래에서 구분할 수 있습니다. 
이 정보를 에세이나 학기 보고서에 사용하려면 출처 목록에 있는 링크를 참조하세요. 다음과 같은 자세한 계산이 나와 있습니다. 
표준 시스템을 만들어 보겠습니다. 
우리는 각 방정식을 "2"만큼 줄이고 합계를 "나누습니다". 
메모
: 합 아이콘 너머에 'a'와 'be'가 나올 수 있는 이유를 독립적으로 분석합니다. 그건 그렇고, 공식적으로 이것은 합계로 수행 될 수 있습니다
"적용된" 형식으로 시스템을 다시 작성해 보겠습니다. 
그 후 문제를 해결하기 위한 알고리즘이 나타나기 시작합니다.
점의 좌표를 알고 있나요? 우리는 알고 있습니다. 금액 
우리가 그걸 찾을 수 있을까? 쉽게. 가장 간단하게 만들어보자 두 개의 미지수로 구성된 두 선형 방정식의 시스템(“a”와 “be”). 예를 들어 우리는 시스템을 해결합니다. 크레이머의 방법, 그 결과 고정점을 얻습니다. 확인 중 극한의 충분조건, 이 시점에서 함수가 다음과 같은지 확인할 수 있습니다. 
정확히 도달하다 최저한의. 확인에는 추가 계산이 포함되므로 뒤에서 설명하겠습니다. (필요한 경우 누락된 프레임을 볼 수 있습니다). 우리는 최종 결론을 내립니다.
기능 
최선의 방법으로 (적어도 다른 선형 함수와 비교하면)실험 포인트를 더 가깝게 만듭니다 
. 대략적으로 말하면 그래프는 이러한 지점에 최대한 가깝게 전달됩니다. 전통적으로 계량 경제학결과 근사 함수도 호출됩니다. 쌍을 이루는 선형 회귀 방정식
.
고려중인 문제는 실질적으로 매우 중요합니다. 우리의 예시 상황에서 Eq. 
거래 회전율을 예측할 수 있습니다. ("이그렉")매장은 판매 지역의 하나 또는 다른 가치를 갖습니다. (“x”의 하나 또는 다른 의미). 예, 결과 예측은 단지 예측일 뿐이지만 많은 경우 상당히 정확할 것입니다.
어려움이 없기 때문에 "실제"숫자로 한 가지 문제만 분석하겠습니다. 모든 계산은 7-8 학년 학교 커리큘럼 수준입니다. 95%의 경우 선형 함수만 찾으라는 메시지가 표시되지만 기사 끝 부분에서는 최적의 쌍곡선, 지수 및 기타 함수의 방정식을 찾는 것이 더 이상 어렵지 않음을 보여줍니다.
실제로 남은 것은 약속된 상품을 배포하는 것뿐입니다. 이를 통해 그러한 예를 정확하고 신속하게 해결하는 방법을 배울 수 있습니다. 우리는 표준을 신중하게 연구합니다.
일
두 지표 사이의 관계를 연구한 결과 다음과 같은 숫자 쌍이 얻어졌습니다. 
최소제곱법을 사용하여 경험적 방정식에 가장 가까운 선형 함수를 찾습니다. (경험이 있음)데이터. 실험점을 구성하기 위한 그림과 데카르트 직각 좌표계의 근사 함수 그래프를 작성합니다. 
. 경험적 값과 이론적 값 사이의 제곱 편차의 합을 구합니다. 기능이 더 좋을지 알아보세요 (최소제곱법의 관점에서)실험 포인트를 더 가까이 가져옵니다.
"x" 의미는 자연스럽고 이것은 나중에 조금 이야기할 특징적인 의미를 가지고 있다는 점에 유의하십시오. 그러나 물론 분수일 수도 있습니다. 또한 특정 작업의 내용에 따라 "X" 값과 "게임" 값 모두 완전히 또는 부분적으로 음수가 될 수 있습니다. 글쎄요, 우리는 "얼굴 없는" 임무를 받았고, 그것을 시작합니다 해결책:
우리는 시스템에 대한 해로서 최적 함수의 계수를 찾습니다. 
보다 컴팩트한 기록을 위해 "counter" 변수는 생략할 수 있습니다. 왜냐하면 합산이 1부터 까지 수행된다는 것이 이미 분명하기 때문입니다.
필요한 금액을 표 형식으로 계산하는 것이 더 편리합니다. 
계산은 마이크로 계산기로 수행할 수 있지만 Excel을 사용하는 것이 훨씬 더 낫습니다. 더 빠르고 오류도 없습니다. 짧은 비디오 보기:
따라서 우리는 다음을 얻습니다. 체계:
여기서 두 번째 방정식에 3을 곱할 수 있습니다. 항별로 첫 번째 방정식 항에서 2항을 뺍니다.. 그러나 이것은 행운입니다. 실제로 시스템은 종종 선물이 아니며 이러한 경우 비용이 절약됩니다. 크레이머의 방법:
이는 시스템에 고유한 솔루션이 있음을 의미합니다.
확인해 봅시다. 당신이 원하지 않는다는 것은 이해하지만, 절대 놓칠 수 없는 실수를 왜 건너뛰나요? 찾은 해를 시스템의 각 방정식의 왼쪽에 대체해 보겠습니다.
해당 방정식의 우변이 구해지며 이는 시스템이 올바르게 풀렸다는 것을 의미합니다.
따라서 원하는 근사 함수는 다음과 같습니다. – 모든 선형 함수실험 데이터에 가장 가까운 사람은 바로 그녀입니다.
같지 않은 직접
해당 지역에 대한 매장 매출의 의존성, 발견된 의존성은 다음과 같습니다. 뒤집다
(원칙은 "많을수록, 적을수록"), 그리고 이 사실은 부정적인 측면에서 즉시 드러납니다. 경사. 기능 
특정 지표가 1 단위 증가하면 종속 지표의 값이 감소한다는 것을 나타냅니다. 평균적으로 0.65 단위로. 메밀 가격이 높을수록 판매량이 줄어든다고 합니다.
근사 함수의 그래프를 그리기 위해 두 가지 값을 찾습니다.
그리고 그림을 실행합니다: 
구성된 직선을 이라고 합니다. 추세선
(즉, 선형 추세선, 즉 일반적인 경우 추세가 반드시 직선일 필요는 없습니다.). '트렌드'라는 표현은 다들 익숙하실 텐데요, 이 표현에는 더 이상의 설명이 필요 없을 것 같습니다.
편차 제곱의 합을 계산해 봅시다 
경험적 가치와 이론적 가치 사이. 기하학적으로 이는 "라즈베리" 세그먼트 길이의 제곱의 합입니다. (그 중 두 개는 너무 작아서 보이지도 않습니다).
계산을 표로 요약해 보겠습니다. 
다시 말하지만, 만일을 대비해 수동으로 수행할 수 있습니다. 첫 번째 항목에 대한 예를 들어 보겠습니다. 
그러나 이미 알려진 방법으로 수행하는 것이 훨씬 더 효과적입니다.
우리는 다시 한번 반복합니다: 얻은 결과의 의미는 무엇입니까?에서 모든 선형 함수 y 함수 
지표는 가장 작습니다. 즉, 해당 계열에서 가장 좋은 근사치입니다. 그런데 여기서 문제의 마지막 질문은 우연이 아닙니다. 제안된 지수 함수가 
실험 포인트를 더 가까이 가져가는 것이 더 좋을까요?
해당 제곱 편차의 합을 찾아 보겠습니다. 구별하기 위해 문자 "엡실론"으로 표시하겠습니다. 기술은 정확히 동일합니다. 
그리고 혹시라도 첫 번째 점에 대한 계산은 다음과 같습니다. 
Excel에서는 표준 함수를 사용합니다. 경험치 (구문은 Excel 도움말에서 찾을 수 있습니다).
결론: , 이는 지수 함수가 직선보다 더 나쁜 실험 점에 근접함을 의미합니다. 
.
하지만 여기서 주목해야 할 점은 "더 나쁘다"는 것입니다. 아직은 그런 뜻이 아니야, 나쁘다. 이제 나는 이 지수 함수의 그래프를 만들었습니다. 또한 이 그래프는 두 점에 가깝게 전달됩니다. 
- 너무 많아서 분석 연구 없이는 어떤 기능이 더 정확한지 말하기가 어렵습니다.
이것으로 해결책이 끝나고 논증의 자연적 가치에 대한 질문으로 돌아갑니다. 일반적으로 경제적 또는 사회학적 다양한 연구에서 자연적인 "X"는 월, 연도 또는 기타 동일한 시간 간격을 계산하는 데 사용됩니다. 예를 들어 다음 문제를 생각해 보세요.
예.
변수 값에 대한 실험 데이터 엑스그리고 ~에표에 나와 있습니다.
정렬의 결과로 기능이 얻어집니다.
사용 최소제곱법, 선형 의존성을 통해 이러한 데이터를 근사화합니다. y=ax+b(매개변수 찾기 에이그리고 비). 두 선 중 어느 선(최소 제곱법의 관점에서)이 실험 데이터를 더 잘 정렬하는지 알아보세요. 그림을 그리세요.
최소제곱법(LSM)의 핵심입니다.
>임무는 두 변수의 함수가 일치하는 선형 의존 계수를 찾는 것입니다. 에이그리고 비 가장 작은 값을 취합니다. 즉, 주어진 에이그리고 비발견된 직선과 실험 데이터의 편차 제곱의 합이 가장 작습니다. 이것이 최소제곱법의 핵심입니다.
따라서 예제를 푸는 것은 두 변수의 함수의 극값을 찾는 것으로 귀결됩니다.
계수를 찾기 위한 공식 도출.
>두 개의 미지수가 있는 두 방정식의 시스템이 컴파일되고 해결됩니다. 변수에 대한 함수의 편도함수 찾기 에이그리고 비, 우리는 이러한 파생 상품을 0과 동일시합니다.
우리는 임의의 방법을 사용하여 결과 방정식 시스템을 해결합니다(예: 대체 방법으로또는 ) 최소 제곱법(LSM)을 사용하여 계수를 찾는 공식을 얻습니다.
주어진 에이그리고 비기능 가장 작은 값을 취합니다. 이 사실에 대한 증거가 제공됩니다.
이것이 최소제곱법의 전부입니다. 매개변수를 찾는 공식 에이합계, , 및 매개변수가 포함되어 있습니다. N- 실험 데이터의 양. 이 금액의 값을 별도로 계산하는 것이 좋습니다. 계수 비계산 후에 발견됨 에이.
이제 원래의 예를 기억할 시간입니다.
해결책.
우리의 예에서는 n=5. 필요한 계수의 공식에 포함된 금액을 쉽게 계산할 수 있도록 표를 작성합니다.
표의 네 번째 행의 값은 각 숫자에 대해 두 번째 행의 값과 세 번째 행의 값을 곱하여 얻습니다. 나.
표의 다섯 번째 행의 값은 각 숫자에 대한 두 번째 행의 값을 제곱하여 얻습니다. 나.
표의 마지막 열에 있는 값은 행 전체의 값의 합입니다.
최소제곱법의 공식을 사용하여 계수를 찾습니다. 에이그리고 비. 표의 마지막 열에 있는 해당 값을 다음과 같이 대체합니다.
따라서, y = 0.165x+2.184- 원하는 근사 직선.
어떤 줄이 있는지 알아내는 것이 남아 있습니다. y = 0.165x+2.184또는 즉, 최소 제곱법을 사용하여 추정하는 것이 원본 데이터에 더 잘 근접합니다.
최소제곱법의 오류 추정.
>이렇게 하려면 이 선에서 원본 데이터의 편차 제곱의 합을 계산해야 합니다. 그리고 , 더 작은 값은 최소 제곱법의 의미에서 원래 데이터에 더 잘 근접하는 선에 해당합니다.
이후 , 그다음 직선 y = 0.165x+2.184원본 데이터에 더 가깝습니다.
최소 제곱법(LS) 방법을 그래픽으로 표현한 것입니다.
>모든 것이 그래프에 명확하게 표시됩니다. 빨간색 선은 발견된 직선입니다. y = 0.165x+2.184, 파란색 선은 , 분홍색 점은 원본 데이터입니다.
이것이 필요한 이유는 무엇이며, 이러한 모든 근사치가 필요한 이유는 무엇입니까?
나는 개인적으로 데이터 평활화, 보간 및 외삽 문제를 해결하기 위해 이를 사용합니다(원래 예에서는 관찰된 값의 값을 찾도록 요청받았을 수도 있음). 와이~에 x=3아니면 언제 x=6최소제곱법을 사용함). 하지만 이에 대해서는 나중에 사이트의 다른 섹션에서 자세히 설명하겠습니다.
증거.
그래서 발견되면 에이그리고 비함수는 가장 작은 값을 취하므로, 이 시점에서 함수에 대한 2차 미분의 2차 형태의 행렬이 필요합니다. 긍정적으로 확실했습니다. 보여드리겠습니다.
2차 미분의 형식은 다음과 같습니다.
즉
따라서 이차 형식의 행렬은 다음 형식을 갖습니다.
요소의 값은 다음에 의존하지 않습니다. 에이그리고 비.
행렬이 양의 정부호임을 보여드리겠습니다. 이렇게 하려면 각도 마이너가 양수여야 합니다.
1차 각도 마이너 . 점이 일치하지 않기 때문에 불평등이 엄격합니다. 다음에서 우리는 이것을 암시할 것입니다.
2차 각도 마이너
그것을 증명해보자 수학적 귀납법에 의해.
결론: 찾은 값 에이그리고 비함수의 가장 작은 값에 해당 따라서 최소제곱법에 필요한 매개변수입니다.
최소제곱법
주제의 마지막 수업에서는 가장 유명한 응용 프로그램에 대해 알아 보겠습니다. FNP, 이는 다양한 과학 및 실제 활동 분야에서 가장 광범위하게 적용됩니다. 이는 물리학, 화학, 생물학, 경제학, 사회학, 심리학 등이 될 수 있습니다. 운명의 뜻에 따라 경제 문제를 자주 다루어야하므로 오늘은 여러분을 위해라는 놀라운 나라로의 여행을 준비하겠습니다. 계량경제학=) ...어떻게 원하지 않을 수 있나요?! 그곳은 아주 좋습니다. 결정만 하면 됩니다! ...하지만 당신이 확실히 원하는 것은 문제 해결 방법을 배우는 것입니다. 최소제곱법. 특히 부지런한 독자들은 이 문제를 정확할 뿐만 아니라 매우 빠르게 푸는 방법을 배울 것입니다 ;-) 하지만 먼저 문제에 대한 일반적인 진술+ 동반 예시:
정량적으로 표현되는 특정 주제 영역의 지표를 연구해 보겠습니다. 동시에 지표가 지표에 따라 다르다고 믿을 만한 모든 이유가 있습니다. 이 가정은 과학적 가설일 수도 있고 기본적인 상식에 기초할 수도 있습니다. 그러나 과학은 제쳐두고 좀 더 맛있는 분야, 즉 식료품점을 살펴보겠습니다. 다음으로 나타내자:
– 식료품 점의 소매 면적, 평방 미터,
– 식료품점의 연간 매출액은 백만 루블입니다.
매장 면적이 클수록 대부분의 경우 매출이 더 커진다는 것은 분명합니다.
탬버린을 가지고 관찰/실험/계산/춤을 수행한 후 마음대로 사용할 수 있는 수치 데이터가 있다고 가정해 보겠습니다. 
식료품 점의 경우 모든 것이 명확하다고 생각합니다. - 이것은 첫 번째 매장의 영역, - 연간 매출액, - 두 번째 매장의 영역, - 연간 매출액 등입니다. 그건 그렇고, 기밀 자료에 접근하는 것이 전혀 필요하지 않습니다. 무역 회전율에 대한 상당히 정확한 평가는 다음을 통해 얻을 수 있습니다. 수학적 통계. 하지만 산만해지지 마세요. 상업 스파이 과정은 이미 지불되었습니다 =)
표 형식의 데이터는 점 형태로 작성되고 친숙한 형태로 표시될 수도 있습니다. 데카르트 시스템 .
중요한 질문에 답해 보겠습니다. 질적 연구에는 몇 점이 필요한가요?
많을수록 좋습니다. 최소 허용 세트는 5-6점으로 구성됩니다. 또한, 데이터의 양이 적을 경우 '비정상적인' 결과는 표본에 포함될 수 없습니다. 예를 들어 소규모 엘리트 매장은 "동료"보다 더 많은 수익을 얻을 수 있으므로 찾아야 할 일반적인 패턴이 왜곡됩니다!
아주 간단하게 말하면, 기능을 선택해야 합니다. 일정지점에 최대한 가깝게 통과합니다. 
. 이 함수는 근사치
(근사 - 근사)또는 이론적 기능
. 일반적으로 말하면 여기에는 명백한 "경쟁자"가 즉시 나타납니다. 그래프가 모든 지점을 통과하는 고차 다항식입니다. 그러나 이 옵션은 복잡하고 흔히 잘못된 경우가 많습니다. (그래프가 항상 "루프"되고 주요 추세를 제대로 반영하지 못하기 때문).
따라서 구하는 함수는 매우 단순해야 하며 동시에 종속성을 적절하게 반영해야 합니다. 짐작할 수 있듯이 이러한 함수를 찾는 방법 중 하나는 다음과 같습니다. 최소제곱법. 먼저, 그 본질을 일반적인 용어로 살펴 보겠습니다. 일부 함수를 실험 데이터에 가깝게 만듭니다. 
이 근사치의 정확성을 어떻게 평가하나요? 실험값과 기능값 간의 차이(편차)도 계산해 보겠습니다. (우리는 그림을 연구합니다). 가장 먼저 떠오르는 생각은 합이 얼마나 큰지 추정해 보는 것인데, 문제는 그 차이가 음수가 될 수 있다는 것이다. (예를 들어, 
)
그러한 합산의 결과로 발생하는 편차는 서로 상쇄됩니다. 따라서 근사의 정확성을 추정하기 위해 다음과 같은 합계를 구해야 합니다. 모듈편차:
또는 축소됨: (모르는 사람이 있을 경우:
는 합계 아이콘이고,
– 1에서 1 사이의 값을 취하는 보조 "카운터" 변수
)
.
서로 다른 함수를 사용하여 실험 점을 근사함으로써 서로 다른 값을 얻을 수 있으며, 분명히 이 합이 더 작은 경우 해당 함수가 더 정확합니다.
그러한 방법이 존재하며 이를 호출합니다. 최소 모듈러스 방법. 그러나 실제로는 훨씬 더 널리 퍼졌습니다. 최소제곱법, 가능한 음수 값은 모듈에 의해 제거되지 않고 편차를 제곱하여 제거됩니다.
, 그 후에는 편차 제곱의 합이 다음과 같은 함수를 선택하는 데 노력을 기울입니다. 
최대한 작았습니다. 실제로 메소드의 이름은 여기서 유래되었습니다.
이제 또 다른 중요한 점으로 돌아갑니다. 위에서 언급했듯이 선택한 기능은 매우 간단해야 하지만 그러한 기능도 많이 있습니다. 선의 , 쌍곡선 , 지수 , 대수적 , 이차 등. 그리고 물론 여기서는 즉시 "활동 분야를 축소"하고 싶습니다. 연구를 위해 어떤 기능 클래스를 선택해야 합니까? 원시적이지만 효과적인 기술:
– 가장 쉬운 방법은 점을 묘사하는 것입니다 도면에서 위치를 분석합니다. 직선으로 달리는 경향이 있다면 다음을 찾아야 합니다. 선의 방정식 
최적의 값과 . 즉, 작업은 편차 제곱의 합이 가장 작도록 이러한 계수를 찾는 것입니다.
예를 들어 포인트가 다음과 같이 위치한 경우 과장법, 그러면 선형 함수가 잘못된 근사치를 제공한다는 것이 명백히 분명해집니다. 이 경우, 우리는 쌍곡선 방정식에 대해 가장 "유리한" 계수를 찾고 있습니다. 
– 최소 제곱합을 제공하는 것 
.
이제 두 경우 모두에 대해 이야기하고 있습니다. 두 변수의 함수, 그 인수는 다음과 같습니다. 검색된 종속성 매개변수:
그리고 본질적으로 우리는 표준 문제를 해결해야 합니다. 두 변수의 최소 함수.
우리의 예를 기억해 봅시다. "저장" 지점이 직선에 위치하는 경향이 있고 그 존재를 믿을 만한 모든 이유가 있다고 가정합니다. 선형 의존성소매 공간의 매출. 제곱 편차의 합이 되도록 계수 "a"와 "be"를 찾아봅시다. 
가장 작았습니다. 모든 것이 평소와 같습니다. 먼저 1차 편도함수. 에 따르면 선형성 규칙합계 아이콘 바로 아래에서 구분할 수 있습니다. 
이 정보를 에세이나 학기 보고서에 사용하려면 출처 목록에 있는 링크를 참조하세요. 다음과 같은 자세한 계산이 나와 있습니다. 
표준 시스템을 만들어 보겠습니다. 
우리는 각 방정식을 "2"만큼 줄이고 합계를 "나누습니다". 
메모
: 합 아이콘 너머에 'a'와 'be'가 나올 수 있는 이유를 독립적으로 분석합니다. 그건 그렇고, 공식적으로 이것은 합계로 수행 될 수 있습니다 
"적용된" 형식으로 시스템을 다시 작성해 보겠습니다. 
그 후 문제를 해결하기 위한 알고리즘이 나타나기 시작합니다.
점의 좌표를 알고 있나요? 우리는 알고 있습니다. 금액 
우리가 그걸 찾을 수 있을까? 쉽게. 가장 간단하게 만들어보자 두 개의 미지수로 구성된 두 선형 방정식의 시스템(“a”와 “be”). 예를 들어 우리는 시스템을 해결합니다. 크레이머의 방법, 그 결과 고정점을 얻습니다. 확인 중 극한의 충분조건, 이 시점에서 함수가 다음과 같은지 확인할 수 있습니다. 
정확히 도달하다 최저한의. 확인에는 추가 계산이 포함되므로 뒤에서 설명하겠습니다. (필요한 경우 누락된 프레임을 볼 수 있습니다.여기
)
. 우리는 최종 결론을 내립니다.
기능 
최선의 방법으로 (적어도 다른 선형 함수와 비교하면)실험 포인트를 더 가깝게 만듭니다 . 대략적으로 말하면 그래프는 이러한 지점에 최대한 가깝게 전달됩니다. 전통적으로 계량 경제학결과 근사 함수도 호출됩니다. 쌍을 이루는 선형 회귀 방정식
.
고려중인 문제는 실질적으로 매우 중요합니다. 우리의 예시 상황에서 Eq. 거래 회전율을 예측할 수 있습니다. ("이그렉")매장은 판매 지역의 하나 또는 다른 가치를 갖습니다. (“x”의 하나 또는 다른 의미). 예, 결과 예측은 단지 예측일 뿐이지만 많은 경우 상당히 정확할 것입니다.
어려움이 없기 때문에 "실제"숫자로 한 가지 문제만 분석하겠습니다. 모든 계산은 7-8 학년 학교 커리큘럼 수준입니다. 95%의 경우 선형 함수만 찾으라는 메시지가 표시되지만 기사 끝 부분에서는 최적의 쌍곡선, 지수 및 기타 함수의 방정식을 찾는 것이 더 이상 어렵지 않음을 보여줍니다.
실제로 남은 것은 약속된 상품을 배포하는 것뿐입니다. 이를 통해 그러한 예를 정확하고 신속하게 해결하는 방법을 배울 수 있습니다. 우리는 표준을 신중하게 연구합니다.
일
두 지표 사이의 관계를 연구한 결과 다음과 같은 숫자 쌍이 얻어졌습니다. 
최소제곱법을 사용하여 경험적 방정식에 가장 가까운 선형 함수를 찾습니다. (경험이 있음)데이터. 실험점을 구성하기 위한 그림과 데카르트 직각 좌표계의 근사 함수 그래프를 작성합니다. 
. 경험적 값과 이론적 값 사이의 제곱 편차의 합을 구합니다. 기능이 더 좋아질지 알아보세요 (최소제곱법의 관점에서)실험 포인트를 더 가까이 가져옵니다.
"x" 의미는 자연스럽고 이것은 나중에 조금 이야기할 특징적인 의미를 가지고 있다는 점에 유의하십시오. 그러나 물론 분수일 수도 있습니다. 또한 특정 작업의 내용에 따라 "X" 값과 "게임" 값 모두 완전히 또는 부분적으로 음수가 될 수 있습니다. 글쎄요, 우리는 "얼굴 없는" 임무를 받았고, 그것을 시작합니다 해결책:
우리는 시스템에 대한 해로서 최적 함수의 계수를 찾습니다. 
보다 컴팩트한 기록을 위해 "counter" 변수는 생략할 수 있습니다. 왜냐하면 합산이 1부터 까지 수행된다는 것이 이미 분명하기 때문입니다.
필요한 금액을 표 형식으로 계산하는 것이 더 편리합니다. 
계산은 마이크로 계산기로 수행할 수 있지만 Excel을 사용하는 것이 훨씬 더 낫습니다. 더 빠르고 오류도 없습니다. 짧은 비디오 보기:
따라서 우리는 다음을 얻습니다. 체계:
여기서 두 번째 방정식에 3을 곱할 수 있습니다. 항별로 첫 번째 방정식 항에서 2항을 뺍니다.. 그러나 이것은 행운입니다. 실제로 시스템은 종종 선물이 아니며 이러한 경우 비용이 절약됩니다. 크레이머의 방법:
이는 시스템에 고유한 솔루션이 있음을 의미합니다.
확인해 봅시다. 당신이 원하지 않는다는 것은 이해하지만, 절대 놓칠 수 없는 실수를 왜 건너뛰나요? 찾은 해를 시스템의 각 방정식의 왼쪽에 대체해 보겠습니다.
해당 방정식의 우변이 구해지며 이는 시스템이 올바르게 풀렸다는 것을 의미합니다.
따라서 원하는 근사 함수는 다음과 같습니다. – 모든 선형 함수실험 데이터에 가장 가까운 사람은 바로 그녀입니다.
같지 않은 직접
해당 지역에 대한 매장 매출의 의존성, 발견된 의존성은 다음과 같습니다. 뒤집다
(원칙은 "많을수록, 적을수록"), 그리고 이 사실은 부정적인 측면에서 즉시 드러납니다. 경사. 기능 
특정 지표가 1 단위 증가하면 종속 지표의 값이 감소한다는 것을 나타냅니다. 평균적으로 0.65 단위로. 메밀 가격이 높을수록 판매량이 줄어든다고 합니다.
근사 함수의 그래프를 그리기 위해 두 가지 값을 찾습니다.
그리고 그림을 실행합니다: 
구성된 직선을 이라고 합니다. 추세선
(즉, 선형 추세선, 즉 일반적인 경우 추세가 반드시 직선일 필요는 없습니다.). '트렌드'라는 표현은 다들 익숙하실 텐데요, 이 표현에는 더 이상의 설명이 필요 없을 것 같습니다.
편차 제곱의 합을 계산해 봅시다 
경험적 가치와 이론적 가치 사이. 기하학적으로 이는 "라즈베리" 세그먼트 길이의 제곱의 합입니다. (그 중 두 개는 너무 작아서 보이지도 않습니다).
계산을 표로 요약해 보겠습니다. 
다시 말하지만, 만일을 대비해 수동으로 수행할 수 있습니다. 첫 번째 항목에 대한 예를 들어 보겠습니다. 
그러나 이미 알려진 방법으로 수행하는 것이 훨씬 더 효과적입니다.
우리는 다시 한번 반복합니다: 얻은 결과의 의미는 무엇입니까?에서 모든 선형 함수 y 함수 지표는 가장 작습니다. 즉, 해당 계열에서 가장 좋은 근사치입니다. 그런데 여기서 문제의 마지막 질문은 우연이 아닙니다. 제안된 지수 함수가 
실험 포인트를 더 가까이 가져가는 것이 더 좋을까요?
해당 제곱 편차의 합을 찾아 보겠습니다. 구별하기 위해 문자 "엡실론"으로 표시하겠습니다. 기술은 정확히 동일합니다. 
그리고 혹시라도 첫 번째 점에 대한 계산은 다음과 같습니다. 
Excel에서는 표준 함수를 사용합니다. 경험치 (구문은 Excel 도움말에서 찾을 수 있습니다).
결론: , 이는 지수 함수가 직선보다 더 나쁜 실험 점에 근접함을 의미합니다. .
하지만 여기서 주목해야 할 점은 "더 나쁘다"는 것입니다. 아직은 그런 뜻이 아니야, 나쁘다. 이제 나는 이 지수 함수의 그래프를 만들었습니다. 또한 이 그래프는 두 점에 가깝게 전달됩니다. 
- 너무 많아서 분석 연구 없이는 어떤 기능이 더 정확한지 말하기가 어렵습니다.
이것으로 해결책이 끝나고 논증의 자연적 가치에 대한 질문으로 돌아갑니다. 일반적으로 경제적 또는 사회학적 다양한 연구에서 자연적인 "X"는 월, 연도 또는 기타 동일한 시간 간격을 계산하는 데 사용됩니다. 예를 들어 다음 문제를 생각해 보세요.
해당 매장의 상반기 소매 매출액에 대한 다음 데이터를 확인할 수 있습니다.
분석 직선 정렬을 사용하여 7월 매출액을 결정합니다..
예, 문제 없습니다. 우리는 1, 2, 3, 4, 5, 6개월의 번호를 매기고 일반적인 알고리즘을 사용하며 그 결과 방정식을 얻습니다. 유일한 것은 시간이 지나면 일반적으로 다음을 사용한다는 것입니다. 문자 "테" (비록 이것이 중요하지는 않지만). 결과 방정식은 올해 상반기 무역 회전율이 평균 27.74단위 증가했음을 보여줍니다. 매월. 7월의 일기예보를 알아봅시다 (7월): 디.
그리고 이와 같은 작업은 셀 수 없이 많습니다. 원하시는 분은 추가 서비스인 my를 이용하실 수 있습니다. 엑셀 계산기 (데모 버전), 어느 분석된 문제를 거의 즉시 해결합니다!프로그램의 작업 버전을 사용할 수 있습니다. 교환 중또는 상징적 수수료.
수업이 끝나면 다른 유형의 종속성을 찾는 방법에 대한 간략한 정보를 제공합니다. 사실 근본적인 접근 방식과 해결 알고리즘은 그대로 유지되기 때문에 별로 알려드릴 내용은 없습니다.
실험점의 배열이 쌍곡선과 유사하다고 가정해 보겠습니다. 그런 다음 최상의 쌍곡선 계수를 찾으려면 함수의 최소값을 찾아야 합니다. 누구나 자세한 계산을 수행하고 유사한 시스템에 도달할 수 있습니다. 
공식적인 기술적 관점에서 볼 때 "선형" 시스템에서 얻습니다. 
(별표로 표시하겠습니다)"x"를 . 음, 금액은 어떻습니까? 
계산한 후 최적의 계수 "a"와 "be"를 계산합니다. 가까이에.
그 점을 믿을 만한 충분한 이유가 있는 경우 로그 곡선을 따라 위치하며 최적의 값을 찾기 위해 함수의 최소값을 찾습니다. 
. 공식적으로 시스템에서 (*)는 다음으로 대체되어야 합니다. 
Excel에서 계산을 수행할 때 이 기능을 사용하십시오. LN. 고려중인 각 사례에 대한 계산기를 만드는 것이 특별히 어렵지는 않을 것이라고 고백하지만 계산을 직접 "프로그래밍"하는 것이 더 나을 것입니다. 도움이 되는 강의 영상입니다.
지수 의존성을 사용하면 상황이 좀 더 복잡해집니다. 문제를 선형 사례로 줄이기 위해 함수 로그를 취하고 다음을 사용합니다. 로그의 속성:
이제 결과 함수를 선형 함수와 비교하면 시스템에서 (*)는 , 및 – 로 대체되어야 한다는 결론에 도달합니다. 편의상 다음과 같이 표시하겠습니다. 
시스템은 and에 대해 해결되므로 근을 찾은 후에는 계수 자체를 찾는 것을 잊지 마십시오.
실험 포인트를 더 가깝게 만들기 위해 최적의 포물선 
, 을(를) 찾아야 합니다. 세 변수의 최소 함수 
. 표준 작업을 수행한 후 다음과 같은 "작동"을 얻습니다. 체계:
예, 물론 여기에는 더 많은 금액이 있지만 좋아하는 애플리케이션을 사용할 때 전혀 어려움이 없습니다. 마지막으로 Excel을 사용하여 신속하게 검사를 수행하고 원하는 추세선을 작성하는 방법을 알려 드리겠습니다. 분산형 차트를 만들고 마우스로 점을 선택하세요. 그리고 마우스 오른쪽 버튼을 클릭하여 옵션을 선택하세요. "추세선 추가". 다음으로 차트 유형을 선택하고 탭에서 "옵션"옵션을 활성화하세요 "다이어그램에 방정식 표시". 좋아요
늘 그렇듯이 아름다운 문구로 기사를 마무리하고 싶고 "Be in trend!"라고 입력할 뻔했습니다. 그러나 그는 시간이 지나면서 마음을 바꾸었습니다. 고정관념 때문이 아닙니다. 누구에게도 어떨지 모르겠지만 미국, 특히 유럽의 트렌드를 따르고 싶지 않습니다 =) 그러므로 각자 자신의 라인을 고수하시기 바랍니다!
http://www.grandars.ru/student/vysshaya-matematika/metod-naimenshih-kvadratov.html
최소제곱법은 다음과 같은 이유로 가장 일반적이고 가장 발전된 방법 중 하나입니다. 선형 계량 모형의 매개변수를 추정하는 방법의 단순성과 효율성. 동시에 이를 사용하여 구성된 모델은 매개변수의 품질에 대한 여러 요구 사항을 충족하지 못하고 결과적으로 프로세스 개발 패턴을 "잘" 반영하지 못할 수 있으므로 이를 사용할 때 몇 가지 주의를 기울여야 합니다. .
최소제곱법을 사용하여 선형계량 모형의 매개변수를 추정하는 절차를 보다 자세히 살펴보겠습니다. 일반적으로 이러한 모델은 방정식 (1.2)로 표현될 수 있습니다.
y t = a 0 + a 1 x 1t +...+ an x nt + ε t.
매개변수 a 0 , a 1 ,..., an을 추정할 때 초기 데이터는 종속변수 값의 벡터입니다. 와이= (y 1 , y 2 , ... , y T)" 및 독립변수 값의 행렬
1로 구성된 첫 번째 열은 모델 계수에 해당합니다.
최소 제곱법은 이를 기반으로 얻은 매개변수 추정치가 충족해야 한다는 기본 원칙에 따라 그 이름을 얻었습니다. 모델 오차의 제곱합은 최소화되어야 합니다.
최소제곱법을 사용한 문제 해결의 예
예제 2.1.무역 기업은 12개 매장으로 구성된 네트워크를 보유하고 있으며 그 활동에 대한 정보가 표에 나와 있습니다. 2.1.
기업 경영진은 매장의 소매 공간에 따라 연간 매출 규모가 어떻게 달라지는지 알고 싶어합니다.
표 2.1
| 매장번호 | 연간 매출액, 백만 루블. | 소매 면적, 천 m2 |
| 19,76 | 0,24 | |
| 38,09 | 0,31 | |
| 40,95 | 0,55 | |
| 41,08 | 0,48 | |
| 56,29 | 0,78 | |
| 68,51 | 0,98 | |
| 75,01 | 0,94 | |
| 89,05 | 1,21 | |
| 91,13 | 1,29 | |
| 91,26 | 1,12 | |
| 99,84 | 1,29 | |
| 108,55 | 1,49 |
최소제곱해법. 1호점의 연간 매출액을 백만 루블로 표시하겠습니다. - 1호점 매장면적, 천㎡.
그림 2.1. 예제 2.1의 산점도
변수 간의 기능적 관계의 형태를 결정하기 위해 산점도를 구성합니다(그림 2.1).
분산형 다이어그램을 기반으로 연간 매출이 소매 공간에 긍정적으로 의존한다는 결론을 내릴 수 있습니다(즉, y가 증가함에 따라 증가할 것입니다). 기능적 연결의 가장 적합한 형태는 다음과 같습니다. 선의.
추가 계산에 대한 정보가 표에 나와 있습니다. 2.2. 최소 제곱법을 사용하여 선형 단일 요인 계량 모형의 매개변수를 추정합니다.
표 2.2
| 티 | y t | x 1t | y t 2 | x 1t 2 | x 1t y t |
| 19,76 | 0,24 | 390,4576 | 0,0576 | 4,7424 | |
| 38,09 | 0,31 | 1450,8481 | 0,0961 | 11,8079 | |
| 40,95 | 0,55 | 1676,9025 | 0,3025 | 22,5225 | |
| 41,08 | 0,48 | 1687,5664 | 0,2304 | 19,7184 | |
| 56,29 | 0,78 | 3168,5641 | 0,6084 | 43,9062 | |
| 68,51 | 0,98 | 4693,6201 | 0,9604 | 67,1398 | |
| 75,01 | 0,94 | 5626,5001 | 0,8836 | 70,5094 | |
| 89,05 | 1,21 | 7929,9025 | 1,4641 | 107,7505 | |
| 91,13 | 1,29 | 8304,6769 | 1,6641 | 117,5577 | |
| 91,26 | 1,12 | 8328,3876 | 1,2544 | 102,2112 | |
| 99,84 | 1,29 | 9968,0256 | 1,6641 | 128,7936 | |
| 108,55 | 1,49 | 11783,1025 | 2,2201 | 161,7395 | |
| 에스 | 819,52 | 10,68 | 65008,554 | 11,4058 | 858,3991 |
| 평균 | 68,29 | 0,89 |
따라서,
따라서 소매 공간이 1,000m2 증가하고 다른 조건이 동일하면 평균 연간 매출액은 67,8871,000 루블 증가합니다.
예제 2.2.회사 경영진은 연간 매출액이 매장의 판매 면적(예 2.1 참조)뿐 아니라 평균 방문객 수에 따라 달라진다는 사실을 알아냈습니다. 관련 정보가 표에 나와 있습니다. 2.3.
표 2.3
해결책.- 하루에 번째 매장을 방문하는 평균 방문자 수는 천명입니다.
변수 간의 기능적 관계의 형태를 결정하기 위해 산점도를 구성합니다(그림 2.2).
산점도를 바탕으로 연간 매출액은 일일 평균 방문자 수에 양의 영향을 받는다는 결론을 내릴 수 있습니다(즉, y가 증가함에 따라 증가할 것입니다). 기능적 의존성의 형태는 선형입니다.
쌀. 2.2. 예제 2.2의 산점도
표 2.4
| 티 | x 2t | x 2t 2 | yt x 2t | x 1t x 2t |
| 8,25 | 68,0625 | 163,02 | 1,98 | |
| 10,24 | 104,8575 | 390,0416 | 3,1744 | |
| 9,31 | 86,6761 | 381,2445 | 5,1205 | |
| 11,01 | 121,2201 | 452,2908 | 5,2848 | |
| 8,54 | 72,9316 | 480,7166 | 6,6612 | |
| 7,51 | 56,4001 | 514,5101 | 7,3598 | |
| 12,36 | 152,7696 | 927,1236 | 11,6184 | |
| 10,81 | 116,8561 | 962,6305 | 13,0801 | |
| 9,89 | 97,8121 | 901,2757 | 12,7581 | |
| 13,72 | 188,2384 | 1252,0872 | 15,3664 | |
| 12,27 | 150,5529 | 1225,0368 | 15,8283 | |
| 13,92 | 193,7664 | 1511,016 | 20,7408 | |
| 에스 | 127,83 | 1410,44 | 9160,9934 | 118,9728 |
| 평균 | 10,65 |
일반적으로 2요인 계량모형의 매개변수를 결정하는 것이 필요합니다.
y t = a 0 + a 1 x 1t + a 2 x 2t + ε t
추가 계산에 필요한 정보가 표에 나와 있습니다. 2.4.
최소제곱법을 사용하여 선형 2요인 계량모형의 매개변수를 추정해 보겠습니다.
따라서,
계수 =61.6583을 추정하면 다른 조건이 동일할 때 소매 공간이 1,000m 2 증가하면 연간 매출액이 평균 61,6583,000 루블 증가한다는 것을 알 수 있습니다.
계수 추정치 = 2.2748은 다른 조건이 동일할 때 1,000명당 평균 방문자 수가 증가한다는 것을 보여줍니다. 하루에 연간 매출액은 평균 227만 4800만 루블 증가합니다.
예제 2.3.표에 제시된 정보를 사용합니다. 2.2 및 2.4, 단일 요소 계량 모형의 매개변수 추정
1번째 매장의 연간 매출액인 백만 루블의 중심 가치는 어디에 있습니까? - t번째 매장의 일일 평균 방문자 수, 천명을 중심으로 한 값입니다. (예제 2.1-2.2 참조)
해결책.계산에 필요한 추가 정보가 표에 나와 있습니다. 2.5.
표 2.5
| -48,53 | -2,40 | 5,7720 | 116,6013 | |
| -30,20 | -0,41 | 0,1702 | 12,4589 | |
| -27,34 | -1,34 | 1,8023 | 36,7084 | |
| -27,21 | 0,36 | 0,1278 | -9,7288 | |
| -12,00 | -2,11 | 4,4627 | 25,3570 | |
| 0,22 | -3,14 | 9,8753 | -0,6809 | |
| 6,72 | 1,71 | 2,9156 | 11,4687 | |
| 20,76 | 0,16 | 0,0348 | 3,2992 | |
| 22,84 | -0,76 | 0,5814 | -17,413 | |
| 22,97 | 3,07 | 9,4096 | 70,4503 | |
| 31,55 | 1,62 | 2,6163 | 51,0267 | |
| 40,26 | 3,27 | 10,6766 | 131,5387 | |
| 양 | 48,4344 | 431,0566 |
공식 (2.35)을 사용하여 우리는 다음을 얻습니다.
따라서,
http://www.cleverstudents.ru/articles/mnk.html
예.
변수 값에 대한 실험 데이터 엑스그리고 ~에표에 나와 있습니다. 
정렬의 결과로 기능이 얻어집니다. 
사용 최소제곱법, 선형 의존성을 통해 이러한 데이터를 근사화합니다. y=ax+b(매개변수 찾기 에이그리고 비). 두 선 중 어느 선(최소 제곱법의 관점에서)이 실험 데이터를 더 잘 정렬하는지 알아보세요. 그림을 그리세요.
해결책.
우리의 예에서는 n=5. 필요한 계수의 공식에 포함된 금액을 쉽게 계산할 수 있도록 표를 작성합니다. 
표의 네 번째 행의 값은 각 숫자에 대해 두 번째 행의 값과 세 번째 행의 값을 곱하여 얻습니다. 나.
표의 다섯 번째 행의 값은 각 숫자에 대한 두 번째 행의 값을 제곱하여 얻습니다. 나.
표의 마지막 열에 있는 값은 행 전체의 값의 합입니다.
최소제곱법의 공식을 사용하여 계수를 찾습니다. 에이그리고 비. 표의 마지막 열에 있는 해당 값을 다음과 같이 대체합니다. 
따라서, y = 0.165x+2.184- 원하는 근사 직선.
어떤 줄이 있는지 알아내는 것이 남아 있습니다. y = 0.165x+2.184또는 즉, 최소 제곱법을 사용하여 추정하는 것이 원본 데이터에 더 잘 근접합니다.
증거.
그래서 발견되면 에이그리고 비함수는 가장 작은 값을 취하므로, 이 시점에서 함수에 대한 2차 미분의 2차 형태의 행렬이 필요합니다. 
긍정적으로 확실했습니다. 보여드리겠습니다.
2차 미분의 형식은 다음과 같습니다. 
즉
따라서 이차 형식의 행렬은 다음 형식을 갖습니다. 
요소의 값은 다음에 의존하지 않습니다. 에이그리고 비.
행렬이 양의 정부호임을 보여드리겠습니다. 이렇게 하려면 각도 마이너가 양수여야 합니다.
1차 각도 마이너 
. 불평등이 엄격하기 때문에
- 입문 레슨 무료로;
- 경험이 풍부한 다수의 교사(원어민 및 러시아어 구사)
- 코스는 특정 기간(월, 6개월, 연도)이 아니라 특정 수업 횟수(5, 10, 20, 50)에 대한 것입니다.
- 10,000명이 넘는 고객이 만족했습니다.
- 러시아어를 구사하는 선생님과 함께하는 1회 수업 비용은 600루블부터, 원어민과 함께 - 1500루블부터
최소제곱법의 핵심은 시간이나 공간에서 임의의 현상의 전개 경향을 가장 잘 설명하는 추세 모델의 매개변수를 찾는 데 있습니다(추세는 이러한 전개 경향을 특징짓는 선입니다). 최소 제곱법(LSM)의 작업은 일부 추세 모델을 찾는 것뿐만 아니라 최상의 또는 최적의 모델을 찾는 것으로 귀결됩니다. 관찰된 실제 값과 해당 계산된 추세 값 사이의 제곱 편차의 합이 최소(최소)인 경우 이 모델이 최적입니다.
관찰된 실제 값 사이의 제곱 편차는 어디에 있습니까?
해당 계산된 추세 값,
연구 중인 현상의 실제(관찰된) 값,
추세 모델의 계산된 값,
연구 중인 현상에 대한 관찰 횟수입니다.
MNC는 단독으로 사용되는 경우가 거의 없습니다. 일반적으로 상관관계 연구에서 필요한 기술 기법으로만 사용되는 경우가 가장 많습니다. OLS의 정보 기반은 신뢰할 수 있는 통계 시리즈일 수 있으며 관찰 횟수는 4개 이상이어야 합니다. 그렇지 않으면 OLS의 평활화 절차가 상식을 잃을 수 있습니다.
MNC 툴킷은 다음 절차로 요약됩니다.
첫 번째 절차. 선택된 요인-인수가 변경될 때 결과 속성이 변경되는 경향이 전혀 있는지, 즉 " ~에 " 그리고 " 엑스 ».
두 번째 절차. 이 추세를 가장 잘 설명하거나 특성화할 수 있는 선(궤적)이 결정됩니다.
세 번째 절차.
예. 연구 중인 농장의 평균 해바라기 수확량에 대한 정보가 있다고 가정해 보겠습니다(표 9.1).
표 9.1
|
관측번호 |
||||||||||
|
생산성, c/ha |
우리나라의 해바라기 생산 기술 수준은 지난 10년 동안 거의 변하지 않았으므로 분석 기간 동안의 수확량 변동은 기후 및 기후 조건의 변동에 크게 좌우된다는 것을 의미합니다. 이게 정말 사실인가요?
첫 번째 OLS 절차. 분석된 10년 동안 날씨와 기후조건의 변화에 따라 해바라기 생산량이 변화하는 추세가 존재한다는 가설을 검증하였다.
이 예에서는 " 와이 " 해바라기 수확량을 섭취하는 것이 좋습니다. " 엑스 » – 분석 기간 중 관찰된 연도의 수입니다. " 사이에 어떤 관계가 존재하는지에 대한 가설을 테스트합니다. 엑스 " 그리고 " 와이 "수동 방법과 컴퓨터 프로그램을 사용하는 두 가지 방법으로 수행할 수 있습니다. 물론, 컴퓨터 기술이 있다면 이 문제는 저절로 해결될 수 있습니다. 그러나 MNC 도구를 더 잘 이해하려면 "사이의 관계 존재에 대한 가설을 테스트하는 것이 좋습니다. 엑스 " 그리고 " 와이 » 펜과 일반 계산기만 있으면 수동으로 실행할 수 있습니다. 이러한 경우 추세 존재에 대한 가설은 분석된 일련의 역학의 그래픽 이미지 위치(상관 필드)를 통해 시각적으로 가장 잘 확인됩니다.
이 예의 상관관계 필드는 천천히 증가하는 선 주위에 위치합니다. 이는 그 자체로 해바라기 수확량 변화에 특정 추세가 있음을 나타냅니다. 상관 필드가 원, 원, 수직 또는 수평 구름처럼 보이거나 혼란스럽게 흩어져 있는 점으로 구성된 경우에만 어떤 경향의 존재를 말하는 것은 불가능합니다. 다른 모든 경우에는 " 엑스 " 그리고 " 와이 "라고 말하고 연구를 계속합니다.
두 번째 OLS 절차. 분석 기간 동안 해바라기 수확량 변화 추세를 가장 잘 설명하거나 특성화할 수 있는 선(궤적)이 결정됩니다.
컴퓨터 기술이 있으면 최적의 추세가 자동으로 선택됩니다. "수동" 처리에서 최적의 기능 선택은 일반적으로 상관 필드의 위치에 따라 시각적으로 수행됩니다. 즉, 그래프의 종류에 따라 실증적 추세(실제 궤적)에 가장 잘 맞는 선의 방정식을 선택하는 것입니다.
알려진 바와 같이 본질적으로 기능적 종속성은 매우 다양하므로 그 중 작은 부분이라도 시각적으로 분석하는 것은 극히 어렵습니다. 다행스럽게도 실제 경제 관행에서는 대부분의 관계를 포물선, 쌍곡선 또는 직선으로 매우 정확하게 설명할 수 있습니다. 이와 관련하여 최상의 기능을 선택하는 "수동" 옵션을 사용하면 이 세 가지 모델로만 제한할 수 있습니다.
|
쌍곡선: |
||
2차 포물선: :
우리의 예에서 분석된 10년 동안 해바라기 수확량 변화 추세는 직선으로 가장 잘 특성화되므로 회귀 방정식은 직선 방정식이 된다는 것을 쉽게 알 수 있습니다.
세 번째 절차. 이 선을 특징짓는 회귀 방정식의 매개변수가 계산됩니다. 즉, 최상의 추세 모델을 설명하는 분석 공식이 결정됩니다.
회귀 방정식의 매개변수 값을 찾는 것이 OLS의 핵심입니다. 이 과정은 정규 방정식 시스템을 푸는 것으로 귀결됩니다.
(9.2)
이 방정식 시스템은 가우스 방법을 사용하여 매우 쉽게 풀 수 있습니다. 이 예에서는 솔루션의 결과로 매개 변수의 값이 발견되었음을 기억해 보겠습니다. 따라서 발견된 회귀 방정식은 다음과 같은 형식을 갖습니다.
이는 매개변수에 대한 명확한 경제적 해석의 형태로 계량경제학에서 널리 사용됩니다.
선형 회귀는 다음 형식의 방정식을 찾는 것으로 귀결됩니다.
또는
형태의 방정식 지정된 매개변수 값을 기반으로 허용 엑스결과 특성의 이론적 값을 가지며, 그 요소의 실제 값을 여기에 대체합니다. 엑스.
선형 회귀 분석의 구성은 매개변수 추정으로 귀결됩니다. 에이그리고 다섯.선형 회귀 모수 추정치는 다양한 방법을 사용하여 찾을 수 있습니다.
선형 회귀 매개변수를 추정하는 고전적인 접근 방식은 다음을 기반으로 합니다. 최소제곱법(MNC).
최소제곱법을 사용하면 이러한 매개변수 추정치를 얻을 수 있습니다. 에이그리고 다섯,결과 특성의 실제 값의 제곱 편차의 합 (와이)계산된(이론적) 최저한의:
함수의 최소값을 찾으려면 각 매개변수에 대한 편도함수를 계산해야 합니다. 에이그리고 비 0으로 설정합니다.
S로 나타내자:
공식을 변환하여 매개변수를 추정하기 위한 다음과 같은 정규 방정식 시스템을 얻습니다. 에이그리고 다섯:
변수의 순차적 제거 방법 또는 행렬식 방법을 사용하여 정규 방정식 시스템 (3.5)을 풀면 필요한 매개 변수 추정치를 찾습니다. 에이그리고 다섯.
매개변수 다섯회귀계수라고 합니다. 해당 값은 요소가 한 단위씩 변경될 때 결과의 평균 변화를 나타냅니다.
회귀 방정식은 항상 연결의 친밀도를 나타내는 지표로 보완됩니다. 선형 회귀를 사용할 때 이러한 지표는 선형 상관 계수입니다. 선형 상관 계수 공식에는 다양한 수정이 있습니다. 그 중 일부는 다음과 같습니다.
알려진 바와 같이 선형 상관 계수는 -1 한계 내에 있습니다. ≤ ≤ 1.
선형 함수 선택의 품질을 평가하기 위해 제곱이 계산됩니다.
선형 상관 계수라고 함 결정계수.결정 계수는 결과 특성의 분산 비율을 나타냅니다. 와이,결과 특성의 전체 분산에 대한 회귀 분석으로 설명됩니다.
따라서 값 1은 분산 점유율을 나타냅니다. 와이,모델에서 고려되지 않은 다른 요인의 영향으로 인해 발생합니다.
자제력을 위한 질문
1. 최소자승법의 본질은?
2. 쌍별 회귀 분석은 몇 개의 변수를 제공합니까?
3. 변화 사이의 연관성을 결정하는 계수는 무엇입니까?
4. 결정계수는 어떤 한계 내에서 결정됩니까?
5. 상관-회귀 분석에서 매개변수 b를 추정합니까?
1. 크리스토퍼 도허티. 계량 경제학 소개. - M .: INFRA - M, 2001 - 402 p.
2. S.A. 보로디치. 계량 경제학. 민스크 LLC "새로운 지식" 2001.
3. R.U. Rakhmetova 계량경제학 단기 코스. 학습 가이드. 알마티. 2004. -78p.
4. I.I. Eliseeva. - M.: “재정과 통계”, 2002
5. 월간 정보 및 분석 매거진.
비선형 경제 모델. 비선형 회귀 모델. 변수의 변환.
>비선형 경제 모델..
변수의 변환.
탄력성 계수.
경제 현상 사이에 비선형 관계가 있는 경우 해당 비선형 함수를 사용하여 표현됩니다. 예를 들어 등변 쌍곡선 , 2도 포물선 등
비선형 회귀에는 두 가지 클래스가 있습니다.
>1. 분석에 포함된 설명 변수에 대해서는 비선형이지만 추정된 매개변수에 대해서는 선형인 회귀입니다. 예를 들면 다음과 같습니다.
다양한 차수의 다항식 - , ;
등변 쌍곡선 - ;
반대수 함수 - .
2. 추정되는 매개변수의 비선형 회귀는 다음과 같습니다.
힘 - ;
실증적 - ;
지수 - .
결과 특성의 개별 값의 제곱 편차의 총합 ~에평균값은 여러 가지 이유의 영향으로 인해 발생합니다. 전체 이유 세트를 조건부로 두 그룹으로 나누겠습니다. 연구중인 요소 x그리고 다른 요인.
요인이 결과에 영향을 미치지 않으면 그래프의 회귀선은 축과 평행합니다. 오그리고
그러면 결과 특성의 전체 분산은 다른 요인의 영향으로 인한 것이며 편차 제곱의 총합은 잔차와 일치합니다. 다른 요인이 결과에 영향을 미치지 않으면 y 묶여와 함께 엑스기능적으로 잔차 제곱합은 0입니다. 이 경우 회귀분석으로 설명되는 편차 제곱합은 전체 제곱합과 같습니다.
상관 필드의 모든 점이 회귀선에 있는 것은 아니므로 요인의 영향으로 인해 항상 분산이 발생합니다. 엑스, 즉 회귀 ~에에 의해 엑스,다른 원인(설명할 수 없는 변형)으로 인해 발생합니다. 예측을 위한 회귀선의 적합성은 특성의 전체 변동 중 어느 부분에 따라 달라집니다. ~에설명된 변형을 설명합니다.
분명히 회귀로 인한 편차 제곱합이 잔차 제곱합보다 크면 회귀 방정식은 통계적으로 유의하며 요인은 다음과 같습니다. 엑스결과에 큰 영향을 미칩니다 유.
, 즉, 특성의 독립적인 변화의 자유도를 말합니다. 자유도는 모집단 n의 단위 수와 그로부터 결정되는 상수의 수와 관련이 있습니다. 연구 중인 문제와 관련하여 자유도 수는 독립 편차가 얼마나 되는지를 보여주어야 합니다. N
회귀 방정식 전체의 중요성에 대한 평가는 다음을 사용하여 제공됩니다. 에프- 피셔 기준. 이 경우 회귀 계수가 0이라는 귀무 가설이 제시됩니다. 즉, 비 = 0, 따라서 요인 엑스결과에 영향을 미치지 않습니다 유.
F-검정을 즉시 계산하기 전에 분산 분석을 수행합니다. 그 중심 위치는 변수의 제곱 편차의 총합을 분해하여 차지합니다. ~에평균값에서 ~에"설명됨"과 "설명되지 않음"의 두 부분으로 나뉩니다.
제곱된 편차의 총합입니다.
회귀 분석으로 설명되는 편차 제곱의 합입니다.
편차 제곱의 잔차 합입니다.
제곱된 편차의 합은 자유도와 관련이 있습니다. , 즉, 특성의 독립적인 변화의 자유도를 말합니다. 자유도 수는 인구 단위 수와 관련이 있습니다. N그리고 그것으로부터 결정된 상수의 수로. 연구 중인 문제와 관련하여 자유도 수는 독립 편차가 얼마나 되는지를 보여주어야 합니다. N주어진 제곱합을 형성하는 데 필요합니다.
자유도별 분산디.
F-비율(F-검정):
귀무가설이 참인 경우이면 요인 분산과 잔차 분산이 서로 다르지 않습니다. H 0 의 경우 인자 분산이 잔여 분산을 여러 번 초과하도록 반박이 필요합니다. 영국의 통계학자 Snedekor는 임계값 표를 개발했습니다. 에프-귀무가설의 다양한 유의수준과 다양한 자유도에서의 관계. 테이블 값 에프-기준은 귀무가설이 존재할 확률의 주어진 수준에 대해 무작위 발산의 경우 발생할 수 있는 분산 비율의 최대값입니다. 계산된 값 에프- o가 테이블보다 크면 관계는 신뢰할 수 있는 것으로 간주됩니다.
이 경우 기호 간의 관계가 없다는 귀무 가설이 기각되고 이 관계의 중요성에 대한 결론이 도출됩니다. F 사실 > F 테이블 H 0은 거부됩니다.
값이 표에 나온 값보다 작은 경우 F 사실 ``, F 테이블, 귀무 가설의 확률은 지정된 수준보다 높으며 관계 존재에 대해 잘못된 결론을 내릴 심각한 위험 없이 기각될 수 없습니다. 이 경우 회귀 방정식은 통계적으로 유의하지 않은 것으로 간주됩니다. 그러나 그는 벗어나지 않습니다.
회귀계수의 표준오차
회귀 계수의 중요성을 평가하기 위해 해당 값을 표준 오류와 비교합니다. 즉, 실제 값이 결정됩니다. 티-학생 t-검정: 특정 유의 수준 및 자유도에서 테이블 값과 비교됩니다( N- 2).
표준 매개변수 오류 에이:
오차의 크기를 기준으로 선형 상관계수의 유의성을 확인합니다. 상관계수 t r:
총 특성 차이 엑스:
다중 선형 회귀
모델 빌딩
다중 회귀두 개 이상의 요소를 사용하여 유효 특성의 회귀를 나타냅니다. 즉, 다음 형식의 모델입니다.
연구 대상에 영향을 미치는 다른 요인의 영향을 무시할 수 있다면 회귀 분석을 통해 모델링에 좋은 결과를 얻을 수 있습니다. 개별 경제 변수의 행동은 통제할 수 없습니다. 즉, 연구 중인 한 요인의 영향을 평가하기 위한 다른 모든 조건의 동등성을 보장하는 것은 불가능합니다. 이 경우 다른 요인을 모델에 도입하여 그 영향을 식별해야 합니다. 즉, 다중 회귀 방정식을 구성해야 합니다. y = a+b 1 x 1 +b 2 +…+b p x p + .
다중 회귀의 주요 목표는 많은 수의 요인으로 모델을 구축하는 동시에 각 요인의 영향과 모델링된 지표에 대한 결합된 영향을 결정하는 것입니다. 모델 사양에는 요인 선택과 회귀 방정식 유형 선택이라는 두 가지 문제 범위가 포함됩니다.
