குறைந்தபட்ச சதுர முறை அனுமதிக்கிறது. எக்செல் இல் குறைந்த சதுர முறை. பின்னடைவு பகுப்பாய்வு. MNCயை நடைமுறையில் பயன்படுத்துவதற்கான சில சிறப்பு நிகழ்வுகள்

17.03.2022

இது அறிவியல் மற்றும் நடைமுறை செயல்பாடுகளின் பல்வேறு துறைகளில் பரந்த பயன்பாட்டைக் காண்கிறது. இது இயற்பியல், வேதியியல், உயிரியல், பொருளாதாரம், சமூகவியல், உளவியல் மற்றும் பலவாக இருக்கலாம். விதியின் விருப்பத்தால், நான் அடிக்கடி பொருளாதாரத்தை சமாளிக்க வேண்டியிருக்கும், எனவே இன்று நான் உங்களுக்கு ஒரு அற்புதமான நாட்டிற்கு ஒரு பயணத்தை ஏற்பாடு செய்வேன். பொருளாதார அளவியல்=) ...அதை எப்படி நீங்கள் விரும்பவில்லை?! இது மிகவும் நன்றாக இருக்கிறது - நீங்கள் உங்கள் மனதை உருவாக்க வேண்டும்! ...ஆனால் நீங்கள் நிச்சயமாக விரும்புவது பிரச்சனைகளை எவ்வாறு தீர்ப்பது என்பதை அறிய வேண்டும் குறைந்த சதுர முறை. குறிப்பாக விடாமுயற்சியுள்ள வாசகர்கள் அவற்றைத் துல்லியமாக மட்டுமல்லாமல், மிக விரைவாகவும் தீர்க்க கற்றுக்கொள்வார்கள் ;-) ஆனால் முதலில் பிரச்சனையின் பொதுவான அறிக்கை+ அதனுடன் உள்ள எடுத்துக்காட்டு:

அளவு வெளிப்பாடு கொண்ட ஒரு குறிப்பிட்ட பாடப் பகுதியில் உள்ள குறிகாட்டிகளைப் படிப்போம். அதே நேரத்தில், காட்டி குறிகாட்டியைப் பொறுத்தது என்று நம்புவதற்கு எல்லா காரணங்களும் உள்ளன. இந்த அனுமானம் ஒரு அறிவியல் கருதுகோளாக இருக்கலாம் அல்லது அடிப்படை பொது அறிவு அடிப்படையில் இருக்கலாம். அறிவியலை ஒதுக்கி வைத்துவிட்டு, மேலும் பசியைத் தூண்டும் பகுதிகளை ஆராய்வோம் - அதாவது மளிகைக் கடைகள். இதன் மூலம் குறிப்போம்:

- ஒரு மளிகைக் கடையின் சில்லறைப் பகுதி, ச.மீ.,
- ஒரு மளிகைக் கடையின் வருடாந்திர வருவாய், மில்லியன் ரூபிள்.

பெரிய கடை பகுதி, பெரும்பாலான சந்தர்ப்பங்களில் அதன் வருவாய் அதிகமாக இருக்கும் என்பது முற்றிலும் தெளிவாக உள்ளது.

ஒரு டம்ளரைக் கொண்டு அவதானிப்புகள்/பரிசோதனைகள்/கணக்கீடுகள்/நடனங்களைச் செய்த பிறகு, நம் வசம் எண்ணியல் தரவுகள் உள்ளன என்று வைத்துக்கொள்வோம்:

மளிகைக் கடைகளில், எல்லாம் தெளிவாக இருப்பதாக நான் நினைக்கிறேன்: - இது 1 வது கடையின் பகுதி, - அதன் வருடாந்திர வருவாய், - 2 வது கடையின் பகுதி, - அதன் வருடாந்திர வருவாய் போன்றவை. மூலம், வகைப்படுத்தப்பட்ட பொருட்களை அணுகுவது அவசியமில்லை - வர்த்தக வருவாயின் மிகவும் துல்லியமான மதிப்பீட்டை இதன் மூலம் பெறலாம் கணித புள்ளிவிவரங்கள். இருப்பினும், திசைதிருப்ப வேண்டாம், வணிக உளவு படிப்பு ஏற்கனவே செலுத்தப்பட்டுள்ளது =)

அட்டவணை தரவு புள்ளிகள் வடிவில் எழுதப்பட்ட மற்றும் பழக்கமான வடிவத்தில் சித்தரிக்கப்படுகிறது கார்ட்டீசியன் அமைப்பு .

ஒரு முக்கியமான கேள்விக்கு பதிலளிப்போம்: ஒரு தரமான ஆய்வுக்கு எத்தனை புள்ளிகள் தேவை?

மேலும் சிறந்தது. குறைந்தபட்ச ஏற்றுக்கொள்ளக்கூடிய தொகுப்பு 5-6 புள்ளிகளைக் கொண்டுள்ளது. கூடுதலாக, தரவின் அளவு சிறியதாக இருக்கும் போது, மாதிரியில் "ஒழுங்கற்ற" முடிவுகளை சேர்க்க முடியாது. எனவே, எடுத்துக்காட்டாக, ஒரு சிறிய உயரடுக்கு கடை "அதன் சக ஊழியர்களை" விட அதிகமான ஆர்டர்களைப் பெற முடியும், இதன் மூலம் நீங்கள் கண்டுபிடிக்க வேண்டிய பொதுவான வடிவத்தை சிதைக்கிறது!

மிக எளிமையாகச் சொல்வதென்றால், நாம் ஒரு செயல்பாட்டைத் தேர்ந்தெடுக்க வேண்டும். அட்டவணைஇது புள்ளிகளுக்கு முடிந்தவரை நெருக்கமாக செல்கிறது . இந்த செயல்பாடு அழைக்கப்படுகிறது தோராயமாக (தோராயம் - தோராயம்)அல்லது கோட்பாட்டு செயல்பாடு . பொதுவாக, ஒரு வெளிப்படையான "போட்டியாளர்" உடனடியாக இங்கே தோன்றும் - உயர்-நிலை பல்லுறுப்புக்கோவை, அதன் வரைபடம் அனைத்து புள்ளிகளையும் கடந்து செல்கிறது. ஆனால் இந்த விருப்பம் சிக்கலானது மற்றும் பெரும்பாலும் தவறானது. (வரைபடம் எல்லா நேரத்திலும் "லூப்" மற்றும் முக்கிய போக்கை மோசமாக பிரதிபலிக்கும் என்பதால்).

எனவே, தேடப்பட்ட செயல்பாடு மிகவும் எளிமையானதாக இருக்க வேண்டும் மற்றும் அதே நேரத்தில் சார்புநிலையை போதுமான அளவு பிரதிபலிக்க வேண்டும். நீங்கள் யூகித்தபடி, அத்தகைய செயல்பாடுகளை கண்டுபிடிப்பதற்கான முறைகளில் ஒன்று அழைக்கப்படுகிறது குறைந்த சதுர முறை. முதலில், அதன் சாராம்சத்தை பொதுவான சொற்களில் பார்ப்போம். சில தோராயமான சோதனைத் தரவைச் செயல்பட அனுமதிக்கவும்:

இந்த தோராயத்தின் துல்லியத்தை எவ்வாறு மதிப்பிடுவது? சோதனை மற்றும் செயல்பாட்டு மதிப்புகளுக்கு இடையிலான வேறுபாடுகளை (விலகல்கள்) கணக்கிடுவோம் (நாங்கள் வரைபடத்தைப் படிக்கிறோம்). மனதில் தோன்றும் முதல் எண்ணம் தொகை எவ்வளவு பெரியது என்பதை மதிப்பிடுவது, ஆனால் பிரச்சனை என்னவென்றால் வேறுபாடுகள் எதிர்மறையாக இருக்கலாம் (உதாரணமாக, ) அத்தகைய கூட்டுத்தொகையின் விளைவாக ஏற்படும் விலகல்கள் ஒன்றையொன்று ரத்து செய்யும். எனவே, தோராயத்தின் துல்லியத்தின் மதிப்பீடாக, தொகையை எடுக்குமாறு கெஞ்சுகிறது தொகுதிகள்விலகல்கள்:

அல்லது சரிந்தது: (யாருக்கும் தெரியாத பட்சத்தில்: - இது சம் ஐகான், மற்றும் - ஒரு துணை "கவுண்டர்" மாறி, இது 1 முதல் மதிப்புகளை எடுக்கும்).

வெவ்வேறு செயல்பாடுகளுடன் சோதனை புள்ளிகளை தோராயமாக்குவதன் மூலம், நாம் வெவ்வேறு மதிப்புகளைப் பெறுவோம், வெளிப்படையாக, இந்தத் தொகை சிறியதாக இருந்தால், அந்த செயல்பாடு மிகவும் துல்லியமானது.

அத்தகைய முறை உள்ளது மற்றும் அது அழைக்கப்படுகிறது குறைந்தபட்ச மாடுலஸ் முறை. இருப்பினும், நடைமுறையில் இது மிகவும் பரவலாகிவிட்டது குறைந்த சதுர முறை, இதில் சாத்தியமான எதிர்மறை மதிப்புகள் தொகுதியால் அல்ல, ஆனால் விலகல்களை ஸ்கொயர் செய்வதன் மூலம் அகற்றப்படுகின்றன:

, அதன் பிறகு, ஸ்கொயர்டு விலகல்களின் கூட்டுத்தொகை போன்ற ஒரு செயல்பாட்டைத் தேர்ந்தெடுப்பதில் முயற்சிகள் மேற்கொள்ளப்படுகின்றன முடிந்தவரை சிறியதாக இருந்தது. உண்மையில், இந்த முறையின் பெயர் எங்கிருந்து வந்தது.

இப்போது நாம் மற்றொரு முக்கியமான விஷயத்திற்குத் திரும்புகிறோம்: மேலே குறிப்பிட்டுள்ளபடி, தேர்ந்தெடுக்கப்பட்ட செயல்பாடு மிகவும் எளிமையானதாக இருக்க வேண்டும் - ஆனால் இதுபோன்ற பல செயல்பாடுகளும் உள்ளன: நேரியல் , அதிபரவளையம், அதிவேக, மடக்கை, இருபடி முதலியன மற்றும், நிச்சயமாக, இங்கே நான் உடனடியாக "செயல்பாட்டுத் துறையைக் குறைக்க" விரும்புகிறேன். ஆராய்ச்சிக்கு எந்த வகை செயல்பாடுகளை நான் தேர்வு செய்ய வேண்டும்? ஒரு பழமையான ஆனால் பயனுள்ள நுட்பம்:

- எளிதான வழி புள்ளிகளை சித்தரிக்க வேண்டும் வரைபடத்தில் மற்றும் அவற்றின் இருப்பிடத்தை பகுப்பாய்வு செய்யவும். அவர்கள் ஒரு நேர் கோட்டில் இயங்க முனைந்தால், நீங்கள் பார்க்க வேண்டும் ஒரு கோட்டின் சமன்பாடு உகந்த மதிப்புகள் மற்றும் . வேறு வார்த்தைகளில் கூறுவதானால், ஸ்கொயர்டு விலகல்களின் கூட்டுத்தொகை சிறியதாக இருக்கும் வகையில் இத்தகைய குணகங்களைக் கண்டறிவதே பணியாகும்.

புள்ளிகள் அமைந்திருந்தால், எடுத்துக்காட்டாக, சேர்த்து மிகைப்படுத்தல், பின்னர் நேரியல் செயல்பாடு மோசமான தோராயத்தைக் கொடுக்கும் என்பது தெளிவாகத் தெரிகிறது. இந்த வழக்கில், ஹைப்பர்போலா சமன்பாட்டிற்கான மிகவும் "சாதகமான" குணகங்களை நாங்கள் தேடுகிறோம் - சதுரங்களின் குறைந்தபட்ச தொகையைக் கொடுப்பவை .

இரண்டு நிகழ்வுகளிலும் நாம் பேசுகிறோம் என்பதை இப்போது கவனியுங்கள் இரண்டு மாறிகளின் செயல்பாடுகள், யாருடைய வாதங்கள் சார்பு அளவுருக்கள் தேடப்பட்டன:

மற்றும் அடிப்படையில் நாம் ஒரு நிலையான சிக்கலை தீர்க்க வேண்டும் - கண்டுபிடிக்க இரண்டு மாறிகளின் குறைந்தபட்ச செயல்பாடு.

எங்கள் உதாரணத்தை நினைவில் கொள்வோம்: "ஸ்டோர்" புள்ளிகள் ஒரு நேர் கோட்டில் அமைந்துள்ளன மற்றும் இருப்பை நம்புவதற்கு எல்லா காரணங்களும் உள்ளன என்று வைத்துக்கொள்வோம். நேரியல் சார்புசில்லறை இடத்திலிருந்து விற்றுமுதல். வர்க்க விலகல்களின் கூட்டுத்தொகையான “a” மற்றும் “be” போன்ற குணகங்களைக் கண்டுபிடிப்போம் சிறியதாக இருந்தது. எல்லாம் வழக்கம் போல் - முதலில் 1வது வரிசை பகுதி வழித்தோன்றல்கள். படி நேரியல் விதிகூட்டு ஐகானின் கீழ் நீங்கள் வேறுபடுத்தலாம்:

நீங்கள் ஒரு கட்டுரை அல்லது கால தாளில் இந்தத் தகவலைப் பயன்படுத்த விரும்பினால், ஆதாரங்களின் பட்டியலில் உள்ள இணைப்பிற்கு நான் மிகவும் நன்றியுள்ளவனாக இருப்பேன், சில இடங்களில் இதுபோன்ற விரிவான கணக்கீடுகளை நீங்கள் காணலாம்:

ஒரு நிலையான அமைப்பை உருவாக்குவோம்:

ஒவ்வொரு சமன்பாட்டையும் "இரண்டு" ஆல் குறைக்கிறோம், கூடுதலாக, தொகைகளை "உடைக்கிறோம்":

குறிப்பு : "a" மற்றும் "be" ஏன் தொகை ஐகானுக்கு அப்பால் எடுக்கப்படலாம் என்பதை சுயாதீனமாக பகுப்பாய்வு செய்யவும். மூலம், முறையாக இதை தொகையுடன் செய்யலாம்

கணினியை "பயன்படுத்தப்பட்ட" வடிவத்தில் மீண்டும் எழுதுவோம்:

அதன் பிறகு எங்கள் சிக்கலைத் தீர்ப்பதற்கான வழிமுறை வெளிவரத் தொடங்குகிறது:

புள்ளிகளின் ஆயத்தொலைவுகள் நமக்குத் தெரியுமா? எங்களுக்கு தெரியும். தொகைகள் நாம் அதை கண்டுபிடிக்க முடியுமா? எளிதாக. எளிமையானதை உருவாக்குவோம் இரண்டு அறியப்படாத இரண்டு நேரியல் சமன்பாடுகளின் அமைப்பு("a" மற்றும் "be"). நாங்கள் கணினியை தீர்க்கிறோம், எடுத்துக்காட்டாக, க்ரேமர் முறை, இதன் விளைவாக நாம் ஒரு நிலையான புள்ளியைப் பெறுகிறோம். சரிபார்க்கிறது ஒரு உச்சநிலைக்கு போதுமான நிபந்தனை, இந்த கட்டத்தில் செயல்பாட்டைச் சரிபார்க்கலாம் சரியாக அடைகிறது குறைந்தபட்சம். காசோலை கூடுதல் கணக்கீடுகளை உள்ளடக்கியது, எனவே நாங்கள் அதை திரைக்குப் பின்னால் விட்டுவிடுவோம் (தேவைப்பட்டால், விடுபட்ட சட்டத்தை பார்க்கலாம்). நாங்கள் இறுதி முடிவை எடுக்கிறோம்:

செயல்பாடு சிறந்த முறையில் (குறைந்தபட்சம் வேறு எந்த நேரியல் செயல்பாட்டுடனும் ஒப்பிடும்போது)சோதனை புள்ளிகளை நெருக்கமாக கொண்டு வருகிறது . தோராயமாகச் சொன்னால், அதன் வரைபடம் இந்த புள்ளிகளுக்கு முடிந்தவரை நெருக்கமாக செல்கிறது. பாரம்பரியத்தில் பொருளாதார அளவியல்இதன் விளைவாக தோராயமான செயல்பாடு என்றும் அழைக்கப்படுகிறது ஜோடி நேரியல் பின்னடைவு சமன்பாடு .

பரிசீலனையில் உள்ள சிக்கல் மிகவும் நடைமுறை முக்கியத்துவம் வாய்ந்தது. எங்கள் உதாரண சூழ்நிலையில், Eq. என்ன வர்த்தக வருவாயைக் கணிக்க உங்களை அனுமதிக்கிறது ("இக்ரெக்")கடை விற்பனை பகுதியின் ஒன்று அல்லது மற்றொரு மதிப்பில் இருக்கும் ("x" என்பதன் ஒன்று அல்லது வேறு பொருள்). ஆம், இதன் விளைவாக வரும் முன்னறிவிப்பு ஒரு முன்னறிவிப்பாக மட்டுமே இருக்கும், ஆனால் பல சந்தர்ப்பங்களில் இது மிகவும் துல்லியமாக மாறும்.

"உண்மையான" எண்களுடன் ஒரு சிக்கலை மட்டும் பகுப்பாய்வு செய்வேன், ஏனெனில் அதில் எந்த சிரமமும் இல்லை - அனைத்து கணக்கீடுகளும் 7-8 வகுப்பு பள்ளி பாடத்திட்டத்தின் மட்டத்தில் உள்ளன. 95 சதவீத வழக்குகளில், நீங்கள் ஒரு நேரியல் செயல்பாட்டைக் கண்டுபிடிக்கும்படி கேட்கப்படுவீர்கள், ஆனால் கட்டுரையின் முடிவில், உகந்த ஹைபர்போலா, அதிவேக மற்றும் வேறு சில செயல்பாடுகளின் சமன்பாடுகளைக் கண்டுபிடிப்பது கடினம் அல்ல என்பதைக் காண்பிப்பேன்.

உண்மையில், வாக்குறுதியளிக்கப்பட்ட இன்னபிற பொருட்களை விநியோகிப்பதே எஞ்சியிருக்கும் - இதன் மூலம் இதுபோன்ற எடுத்துக்காட்டுகளை துல்லியமாக மட்டுமல்லாமல் விரைவாகவும் தீர்க்க நீங்கள் கற்றுக்கொள்ளலாம். தரத்தை நாங்கள் கவனமாகப் படிக்கிறோம்:

பணி

இரண்டு குறிகாட்டிகளுக்கு இடையிலான உறவைப் படித்ததன் விளைவாக, பின்வரும் ஜோடி எண்கள் பெறப்பட்டன:

குறைந்த சதுரங்கள் முறையைப் பயன்படுத்தி, அனுபவத்தை தோராயமாக மதிப்பிடும் நேரியல் செயல்பாட்டைக் கண்டறியவும் (அனுபவம்)தரவு. கார்ட்டீசியன் செவ்வக ஒருங்கிணைப்பு அமைப்பில் சோதனை புள்ளிகள் மற்றும் தோராயமான செயல்பாட்டின் வரைபடத்தை உருவாக்குவதற்கான வரைபடத்தை உருவாக்கவும். . அனுபவ மற்றும் கோட்பாட்டு மதிப்புகளுக்கு இடையே உள்ள வர்க்க விலகல்களின் கூட்டுத்தொகையைக் கண்டறியவும். அம்சம் சிறப்பாக இருக்குமா என்பதைக் கண்டறியவும் (குறைந்த சதுர முறையின் பார்வையில்)சோதனை புள்ளிகளை நெருக்கமாக கொண்டு வாருங்கள்.

"x" அர்த்தங்கள் இயற்கையானவை என்பதை நினைவில் கொள்ளவும், மேலும் இது ஒரு சிறப்பியல்பு அர்த்தமுள்ள பொருளைக் கொண்டுள்ளது, அதை நான் சிறிது நேரம் கழித்து பேசுவேன்; ஆனால் அவை, நிச்சயமாக, பின்னமாகவும் இருக்கலாம். கூடுதலாக, ஒரு குறிப்பிட்ட பணியின் உள்ளடக்கத்தைப் பொறுத்து, "எக்ஸ்" மற்றும் "கேம்" இரண்டும் முற்றிலும் அல்லது பகுதி எதிர்மறையாக இருக்கலாம். சரி, எங்களுக்கு ஒரு "முகமற்ற" பணி கொடுக்கப்பட்டுள்ளது, நாங்கள் அதைத் தொடங்குகிறோம் தீர்வு:

அமைப்புக்கான தீர்வாக உகந்த செயல்பாட்டின் குணகங்களைக் காண்கிறோம்:

சுருக்கமான பதிவின் நோக்கத்திற்காக, "கவுண்டர்" மாறி தவிர்க்கப்படலாம், ஏனெனில் கூட்டுத்தொகை 1 முதல் .

தேவையான அளவுகளை அட்டவணை வடிவத்தில் கணக்கிடுவது மிகவும் வசதியானது:

மைக்ரோகால்குலேட்டரில் கணக்கீடுகளை மேற்கொள்ளலாம், ஆனால் எக்செல் பயன்படுத்துவது மிகவும் நல்லது - வேகமாகவும் பிழைகள் இல்லாமல்; ஒரு சிறிய வீடியோவைப் பாருங்கள்:

இவ்வாறு, பின்வருவனவற்றைப் பெறுகிறோம் அமைப்பு:

இங்கே நீங்கள் இரண்டாவது சமன்பாட்டை 3 ஆல் பெருக்கலாம் 1 வது சமன்பாட்டிலிருந்து 2 வது காலத்தை கழிக்கவும். ஆனால் இது அதிர்ஷ்டம் - நடைமுறையில், அமைப்புகள் பெரும்பாலும் ஒரு பரிசு அல்ல, அத்தகைய சந்தர்ப்பங்களில் அது சேமிக்கிறது க்ரேமர் முறை:
, அதாவது கணினிக்கு ஒரு தனித்துவமான தீர்வு உள்ளது.

சரிபார்ப்போம். நீங்கள் விரும்பவில்லை என்பதை நான் புரிந்துகொள்கிறேன், ஆனால் தவறவிட முடியாத தவறுகளை ஏன் தவிர்க்க வேண்டும்? கண்டுபிடிக்கப்பட்ட தீர்வை கணினியின் ஒவ்வொரு சமன்பாட்டின் இடது பக்கத்திலும் மாற்றுவோம்:

தொடர்புடைய சமன்பாடுகளின் வலது பக்கங்கள் பெறப்படுகின்றன, அதாவது கணினி சரியாக தீர்க்கப்படுகிறது.

எனவே, விரும்பிய தோராயமான செயல்பாடு: – இருந்து அனைத்து நேரியல் செயல்பாடுகள்பரிசோதனைத் தரவை அவள்தான் தோராயமாக மதிப்பிடுகிறாள்.

போலல்லாமல் நேரடி அதன் பகுதியில் கடையின் விற்றுமுதல் சார்ந்து, காணப்படும் சார்பு தலைகீழ் ("அதிகமாக, குறைவாக" கொள்கை), மற்றும் இந்த உண்மை உடனடியாக எதிர்மறையால் வெளிப்படுத்தப்படுகிறது சாய்வு. செயல்பாடு ஒரு குறிப்பிட்ட குறிகாட்டியில் 1 யூனிட் அதிகரிப்புடன், சார்பு காட்டி மதிப்பு குறைகிறது என்று நமக்கு சொல்கிறது சராசரியாக 0.65 அலகுகள் மூலம். அவர்கள் சொல்வது போல், பக்வீட்டின் அதிக விலை, குறைவாக விற்கப்படுகிறது.

தோராயமான செயல்பாட்டின் வரைபடத்தைத் திட்டமிட, அதன் இரண்டு மதிப்புகளைக் காண்கிறோம்:

மற்றும் வரைபடத்தை இயக்கவும்:

கட்டப்பட்ட நேர் கோடு என்று அழைக்கப்படுகிறது போக்கு வரி (அதாவது, ஒரு நேரியல் போக்குக் கோடு, அதாவது பொது வழக்கில், ஒரு போக்கு என்பது நேர் கோடாக இருக்க வேண்டிய அவசியமில்லை). "போக்கில் இருப்பது" என்ற வெளிப்பாடு அனைவருக்கும் தெரிந்திருக்கும், மேலும் இந்த வார்த்தைக்கு கூடுதல் கருத்துகள் தேவையில்லை என்று நான் நினைக்கிறேன்.

வர்க்க விலகல்களின் கூட்டுத்தொகையைக் கணக்கிடுவோம் அனுபவ மற்றும் தத்துவார்த்த மதிப்புகளுக்கு இடையில். வடிவியல் ரீதியாக, இது "ராஸ்பெர்ரி" பிரிவுகளின் நீளங்களின் சதுரங்களின் கூட்டுத்தொகையாகும். (அவற்றில் இரண்டு மிகவும் சிறியவை, அவை கண்ணுக்குத் தெரியவில்லை).

அட்டவணையில் கணக்கீடுகளை சுருக்கமாகக் கூறுவோம்:

மீண்டும், அவை கைமுறையாக செய்யப்படலாம், 1 வது புள்ளிக்கு நான் ஒரு உதாரணம் தருகிறேன்:

ஆனால் ஏற்கனவே அறியப்பட்ட வழியில் அதைச் செய்வது மிகவும் பயனுள்ளதாக இருக்கும்:

நாங்கள் மீண்டும் மீண்டும் சொல்கிறோம்: பெறப்பட்ட முடிவின் பொருள் என்ன?இருந்து அனைத்து நேரியல் செயல்பாடுகள் y செயல்பாடு காட்டி சிறியது, அதாவது, அதன் குடும்பத்தில் இது சிறந்த தோராயமாகும். இங்கே, பிரச்சனையின் இறுதி கேள்வி தற்செயலானது அல்ல: முன்மொழியப்பட்ட அதிவேக செயல்பாடு என்றால் என்ன பரிசோதனை புள்ளிகளை நெருக்கமாக கொண்டு வருவது நல்லதுதானா?

ஸ்கொயர்டு விலகல்களின் தொடர்புடைய தொகையைக் கண்டுபிடிப்போம் - வேறுபடுத்த, நான் அவற்றை "எப்சிலான்" என்ற எழுத்தால் குறிப்பிடுகிறேன். நுட்பம் சரியாகவே உள்ளது:

மீண்டும், 1 வது புள்ளிக்கான கணக்கீடுகள்:

எக்செல் இல் நாம் நிலையான செயல்பாட்டைப் பயன்படுத்துகிறோம் எக்ஸ்பி (தொடரியலை எக்செல் உதவியில் காணலாம்).

முடிவுரை: , அதாவது அதிவேக செயல்பாடு நேர்கோட்டை விட மோசமான சோதனை புள்ளிகளை தோராயமாக்குகிறது .

ஆனால் இங்கே அது "மோசமானது" என்பதைக் கவனத்தில் கொள்ள வேண்டும் இன்னும் அர்த்தம் இல்லை, இது மோசமானது. இப்போது நான் இந்த அதிவேக செயல்பாட்டின் வரைபடத்தை உருவாக்கியுள்ளேன் - மேலும் இது புள்ளிகளுக்கு அருகில் செல்கிறது - பகுப்பாய்வு ஆராய்ச்சி இல்லாமல் எந்த செயல்பாடு மிகவும் துல்லியமானது என்று சொல்வது கடினம்.

இது தீர்வை முடிக்கிறது, மேலும் வாதத்தின் இயல்பான மதிப்புகள் பற்றிய கேள்விக்கு நான் திரும்புகிறேன். பல்வேறு ஆய்வுகளில், பொதுவாக பொருளாதார அல்லது சமூகவியல், இயற்கையான "X'கள் மாதங்கள், ஆண்டுகள் அல்லது பிற சம கால இடைவெளிகளை எண்ணுவதற்குப் பயன்படுத்தப்படுகின்றன. உதாரணமாக, பின்வரும் சிக்கலைக் கவனியுங்கள்.

உதாரணம்.

மாறிகளின் மதிப்புகள் பற்றிய சோதனை தரவு எக்ஸ்மற்றும் மணிக்குஅட்டவணையில் கொடுக்கப்பட்டுள்ளன.

அவற்றின் சீரமைப்பின் விளைவாக, செயல்பாடு பெறப்படுகிறது

பயன்படுத்தி குறைந்த சதுர முறை, ஒரு நேரியல் சார்பு மூலம் இந்தத் தரவை தோராயமாக்குங்கள் y=ax+b(அளவுருக்களைக் கண்டறியவும் ஏமற்றும் பி) இரண்டு வரிகளில் எது சிறந்தது (குறைந்த சதுரங்கள் முறை என்ற பொருளில்) சோதனைத் தரவை சீரமைக்கிறது என்பதைக் கண்டறியவும். ஒரு வரைதல் செய்யுங்கள்.

குறைந்த சதுர முறையின் சாராம்சம் (LSM).

இரண்டு மாறிகள் செயல்படும் நேரியல் சார்பு குணகங்களைக் கண்டறிவதே பணி ஏமற்றும் பி மிகச்சிறிய மதிப்பை எடுக்கும். அதாவது, வழங்கப்பட்டது ஏமற்றும் பிகண்டறியப்பட்ட நேர்கோட்டிலிருந்து சோதனைத் தரவின் வர்க்க விலகல்களின் கூட்டுத்தொகை சிறியதாக இருக்கும். குறைந்த சதுரங்கள் முறையின் முழுப் புள்ளியும் இதுதான்.

எனவே, உதாரணத்தைத் தீர்ப்பது இரண்டு மாறிகளின் செயல்பாட்டின் உச்சநிலையைக் கண்டறிவதாகும்.

குணகங்களைக் கண்டறிவதற்கான சூத்திரங்களைப் பெறுதல்.

இரண்டு அறியப்படாத இரண்டு சமன்பாடுகளின் அமைப்பு தொகுக்கப்பட்டு தீர்க்கப்படுகிறது. மாறிகளைப் பொறுத்து ஒரு செயல்பாட்டின் பகுதி வழித்தோன்றல்களைக் கண்டறிதல் ஏமற்றும் பி, இந்த வழித்தோன்றல்களை பூஜ்ஜியத்திற்கு சமன் செய்கிறோம்.

எந்தவொரு முறையையும் பயன்படுத்தி சமன்பாடுகளின் விளைவான அமைப்பை நாங்கள் தீர்க்கிறோம் (எடுத்துக்காட்டாக மாற்று முறை மூலம்அல்லது ) மற்றும் குறைந்த சதுர முறை (LSM) மூலம் குணகங்களைக் கண்டறிவதற்கான சூத்திரங்களைப் பெறவும்.

கொடுக்கப்பட்டது ஏமற்றும் பிசெயல்பாடு மிகச்சிறிய மதிப்பை எடுக்கும். இந்த உண்மைக்கான ஆதாரம் கொடுக்கப்பட்டுள்ளது.

அதுதான் குறைந்தபட்ச சதுரங்களின் முழு முறை. அளவுருவைக் கண்டறிவதற்கான சூத்திரம் அதொகைகள் , , மற்றும் அளவுருக்கள் உள்ளன n- சோதனை தரவு அளவு. இந்த தொகைகளின் மதிப்புகளை தனித்தனியாக கணக்கிட பரிந்துரைக்கிறோம். குணகம் பிகணக்கீட்டிற்குப் பிறகு கண்டுபிடிக்கப்பட்டது அ.

அசல் உதாரணத்தை நினைவில் கொள்ள வேண்டிய நேரம் இது.

தீர்வு.

எங்கள் உதாரணத்தில் n=5. தேவையான குணகங்களின் சூத்திரங்களில் சேர்க்கப்பட்டுள்ள அளவுகளைக் கணக்கிடுவதற்கான வசதிக்காக அட்டவணையை நிரப்புகிறோம்.

அட்டவணையின் நான்காவது வரிசையில் உள்ள மதிப்புகள் 2 வது வரிசையின் மதிப்புகளை ஒவ்வொரு எண்ணிற்கும் 3 வது வரிசையின் மதிப்புகளால் பெருக்குவதன் மூலம் பெறப்படுகின்றன. i.

அட்டவணையின் ஐந்தாவது வரிசையில் உள்ள மதிப்புகள் ஒவ்வொரு எண்ணுக்கும் 2 வது வரிசையில் உள்ள மதிப்புகளை வகுப்பதன் மூலம் பெறப்படுகின்றன. i.

அட்டவணையின் கடைசி நெடுவரிசையில் உள்ள மதிப்புகள் வரிசைகள் முழுவதும் உள்ள மதிப்புகளின் கூட்டுத்தொகையாகும்.

குணகங்களைக் கண்டறிய குறைந்த சதுர முறையின் சூத்திரங்களைப் பயன்படுத்துகிறோம் ஏமற்றும் பி. அட்டவணையின் கடைசி நெடுவரிசையிலிருந்து தொடர்புடைய மதிப்புகளை அவற்றில் மாற்றுகிறோம்:

எனவே, y = 0.165x+2.184- விரும்பிய தோராயமான நேர்கோடு.

எந்த வரிகளைக் கண்டுபிடிக்க வேண்டும் y = 0.165x+2.184அல்லது அசல் தரவை சிறப்பாக தோராயமாக்குகிறது, அதாவது குறைந்த சதுரங்கள் முறையைப் பயன்படுத்தி மதிப்பிடுகிறது.

குறைந்தபட்ச சதுர முறையின் பிழை மதிப்பீடு.

இதைச் செய்ய, இந்த வரிகளிலிருந்து அசல் தரவின் சதுர விலகல்களின் கூட்டுத்தொகையை நீங்கள் கணக்கிட வேண்டும் மற்றும் , ஒரு சிறிய மதிப்பு ஒரு கோட்டுடன் ஒத்துள்ளது, இது குறைந்தபட்ச சதுரங்கள் முறையின் அர்த்தத்தில் அசல் தரவை சிறப்பாக தோராயமாக மதிப்பிடுகிறது.

முதல், பின்னர் நேராக y = 0.165x+2.184அசல் தரவை சிறப்பாக தோராயமாக்குகிறது.

குறைந்த சதுரங்கள் (LS) முறையின் கிராஃபிக் விளக்கம்.

வரைபடங்களில் எல்லாம் தெளிவாகத் தெரியும். சிவப்பு கோடு என்பது காணப்படும் நேர்கோடு y = 0.165x+2.184, நீலக் கோடு , இளஞ்சிவப்பு புள்ளிகள் அசல் தரவு.

இது ஏன் தேவை, ஏன் இந்த தோராயங்கள்?

தரவை மென்மையாக்குதல், இடைக்கணிப்பு மற்றும் எக்ஸ்ட்ராபோலேஷன் சிக்கல்களைத் தீர்க்க நான் தனிப்பட்ட முறையில் இதைப் பயன்படுத்துகிறேன் (அசல் எடுத்துக்காட்டில், கவனிக்கப்பட்ட மதிப்பின் மதிப்பைக் கண்டறிய அவர்கள் கேட்கப்பட்டிருக்கலாம். ஒய்மணிக்கு x=3அல்லது எப்போது x=6குறைந்தபட்ச சதுர முறையைப் பயன்படுத்துதல்). ஆனால் தளத்தின் மற்றொரு பகுதியில் இதைப் பற்றி மேலும் பேசுவோம்.

ஆதாரம்.

அதனால் கிடைத்த போது ஏமற்றும் பிசெயல்பாடு மிகச்சிறிய மதிப்பை எடுக்கும், இந்த கட்டத்தில் செயல்பாட்டிற்கான இரண்டாவது வரிசை வேறுபாட்டின் இருபடி வடிவத்தின் அணி அவசியம் நேர்மறையான உறுதியானது. காட்டுவோம்.

இரண்டாவது வரிசை வேறுபாடு வடிவம் உள்ளது:

அதாவது

எனவே, இருபடி வடிவத்தின் அணி வடிவம் கொண்டது

மற்றும் உறுப்புகளின் மதிப்புகள் சார்ந்து இல்லை ஏமற்றும் பி.

மேட்ரிக்ஸ் நேர்மறை திட்டவட்டமானது என்பதைக் காட்டுவோம். இதைச் செய்ய, கோண மைனர்கள் நேர்மறையாக இருக்க வேண்டும்.

முதல் வரிசை கோண மைனர் . புள்ளிகள் ஒத்துப்போவதில்லை என்பதால் சமத்துவமின்மை கடுமையாக உள்ளது. பின்வருவனவற்றில் நாம் இதை உணர்த்துவோம்.

இரண்டாவது வரிசை கோண மைனர்

என்பதை நிரூபிப்போம் கணித தூண்டல் முறை மூலம்.

முடிவுரை: கண்டுபிடிக்கப்பட்ட மதிப்புகள் ஏமற்றும் பிசெயல்பாட்டின் மிகச்சிறிய மதிப்புக்கு ஒத்திருக்கிறது எனவே, குறைந்தபட்ச சதுர முறைக்கு தேவையான அளவுருக்கள்.

குறைந்த சதுர முறை

தலைப்பின் இறுதி பாடத்தில், மிகவும் பிரபலமான பயன்பாட்டைப் பற்றி அறிந்து கொள்வோம் FNP, இது அறிவியல் மற்றும் நடைமுறை செயல்பாடுகளின் பல்வேறு துறைகளில் பரந்த பயன்பாட்டைக் காண்கிறது. இது இயற்பியல், வேதியியல், உயிரியல், பொருளாதாரம், சமூகவியல், உளவியல் மற்றும் பலவாக இருக்கலாம். விதியின் விருப்பத்தால், நான் அடிக்கடி பொருளாதாரத்தை சமாளிக்க வேண்டியிருக்கும், எனவே இன்று நான் உங்களுக்கு ஒரு அற்புதமான நாட்டிற்கு ஒரு பயணத்தை ஏற்பாடு செய்வேன். பொருளாதார அளவியல்=) ...அதை எப்படி நீங்கள் விரும்பவில்லை?! இது மிகவும் நன்றாக இருக்கிறது - நீங்கள் உங்கள் மனதை உருவாக்க வேண்டும்! ...ஆனால் நீங்கள் நிச்சயமாக விரும்புவது பிரச்சனைகளை எவ்வாறு தீர்ப்பது என்பதை அறிய வேண்டும் குறைந்த சதுர முறை. குறிப்பாக விடாமுயற்சியுள்ள வாசகர்கள் அவற்றைத் துல்லியமாக மட்டுமல்லாமல், மிக விரைவாகவும் தீர்க்க கற்றுக்கொள்வார்கள் ;-) ஆனால் முதலில் பிரச்சனையின் பொதுவான அறிக்கை+ அதனுடன் உள்ள எடுத்துக்காட்டு:

மிக எளிமையாகச் சொல்வதென்றால், நாம் ஒரு செயல்பாட்டைத் தேர்ந்தெடுக்க வேண்டும். அட்டவணைஇது புள்ளிகளுக்கு முடிந்தவரை நெருக்கமாக செல்கிறது . இந்த செயல்பாடு அழைக்கப்படுகிறது தோராயமாக (தோராயம் - தோராயம்)அல்லது கோட்பாட்டு செயல்பாடு . பொதுவாக, ஒரு வெளிப்படையான "போட்டியாளர்" உடனடியாக இங்கே தோன்றும் - உயர்-நிலை பல்லுறுப்புக்கோவை, அதன் வரைபடம் அனைத்து புள்ளிகளையும் கடந்து செல்கிறது. ஆனால் இந்த விருப்பம் சிக்கலானது மற்றும் பெரும்பாலும் தவறானது. (வரைபடம் எல்லா நேரத்திலும் "லூப்" மற்றும் முக்கிய போக்கை மோசமாக பிரதிபலிக்கும் என்பதால்).

எனவே, தேடப்பட்ட செயல்பாடு மிகவும் எளிமையானதாக இருக்க வேண்டும் மற்றும் அதே நேரத்தில் சார்புநிலையை போதுமான அளவு பிரதிபலிக்க வேண்டும். நீங்கள் யூகித்தபடி, அத்தகைய செயல்பாடுகளை கண்டுபிடிப்பதற்கான முறைகளில் ஒன்று அழைக்கப்படுகிறது குறைந்த சதுர முறை. முதலில், அதன் சாராம்சத்தை பொதுவான சொற்களில் பார்ப்போம். சில தோராயமான சோதனைத் தரவைச் செயல்பட அனுமதிக்கவும்:

இந்த தோராயத்தின் துல்லியத்தை எவ்வாறு மதிப்பிடுவது? சோதனை மற்றும் செயல்பாட்டு மதிப்புகளுக்கு இடையிலான வேறுபாடுகளை (விலகல்கள்) கணக்கிடுவோம் (நாங்கள் வரைபடத்தைப் படிக்கிறோம்). மனதில் தோன்றும் முதல் எண்ணம் தொகை எவ்வளவு பெரியது என்பதை மதிப்பிடுவது, ஆனால் பிரச்சனை என்னவென்றால் வேறுபாடுகள் எதிர்மறையாக இருக்கலாம் (உதாரணமாக, ) அத்தகைய கூட்டுத்தொகையின் விளைவாக ஏற்படும் விலகல்கள் ஒன்றையொன்று ரத்து செய்யும். எனவே, தோராயத்தின் துல்லியத்தின் மதிப்பீடாக, தொகையை எடுக்குமாறு கெஞ்சுகிறது தொகுதிகள்விலகல்கள்:

அல்லது சரிந்தது: (யாருக்கும் தெரியாவிட்டால்: தொகை ஐகான், மற்றும் - ஒரு துணை "எதிர்" மாறி, இது 1 முதல் மதிப்புகளை எடுக்கும் ) .

இப்போது நாம் மற்றொரு முக்கியமான விஷயத்திற்குத் திரும்புகிறோம்: மேலே குறிப்பிட்டுள்ளபடி, தேர்ந்தெடுக்கப்பட்ட செயல்பாடு மிகவும் எளிமையானதாக இருக்க வேண்டும் - ஆனால் இதுபோன்ற பல செயல்பாடுகளும் உள்ளன: நேரியல் , அதிபரவளையம் , அதிவேக , மடக்கை , இருபடி முதலியன மற்றும், நிச்சயமாக, இங்கே நான் உடனடியாக "செயல்பாட்டுத் துறையைக் குறைக்க" விரும்புகிறேன். ஆராய்ச்சிக்கு எந்த வகை செயல்பாடுகளை நான் தேர்வு செய்ய வேண்டும்? ஒரு பழமையான ஆனால் பயனுள்ள நுட்பம்:

ஒரு நிலையான அமைப்பை உருவாக்குவோம்:

குறிப்பு : "a" மற்றும் "be" ஏன் தொகை ஐகானுக்கு அப்பால் எடுக்கப்படலாம் என்பதை சுயாதீனமாக பகுப்பாய்வு செய்யவும். மூலம், முறையாக இதை தொகையுடன் செய்யலாம்

புள்ளிகளின் ஆயத்தொலைவுகள் நமக்குத் தெரியுமா? எங்களுக்கு தெரியும். தொகைகள் நாம் அதை கண்டுபிடிக்க முடியுமா? எளிதாக. எளிமையானதை உருவாக்குவோம் இரண்டு அறியப்படாத இரண்டு நேரியல் சமன்பாடுகளின் அமைப்பு("a" மற்றும் "be"). நாங்கள் கணினியை தீர்க்கிறோம், எடுத்துக்காட்டாக, க்ரேமர் முறை, இதன் விளைவாக நாம் ஒரு நிலையான புள்ளியைப் பெறுகிறோம். சரிபார்க்கிறது ஒரு உச்சநிலைக்கு போதுமான நிபந்தனை, இந்த கட்டத்தில் செயல்பாட்டைச் சரிபார்க்கலாம் சரியாக அடைகிறது குறைந்தபட்சம். காசோலை கூடுதல் கணக்கீடுகளை உள்ளடக்கியது, எனவே நாங்கள் அதை திரைக்குப் பின்னால் விட்டுவிடுவோம் (தேவைப்பட்டால், விடுபட்ட சட்டத்தை பார்க்கலாம்இங்கே ) . நாங்கள் இறுதி முடிவை எடுக்கிறோம்:

செயல்பாடு சிறந்த முறையில் (குறைந்தபட்சம் வேறு எந்த நேரியல் செயல்பாட்டுடனும் ஒப்பிடும்போது)சோதனை புள்ளிகளை நெருக்கமாக கொண்டு வருகிறது . தோராயமாகச் சொன்னால், அதன் வரைபடம் இந்த புள்ளிகளுக்கு முடிந்தவரை நெருக்கமாக செல்கிறது. பாரம்பரியத்தில் பொருளாதார அளவியல்இதன் விளைவாக தோராயமான செயல்பாடு என்றும் அழைக்கப்படுகிறது ஜோடி நேரியல் பின்னடைவு சமன்பாடு .

பணி

அமைப்புக்கான தீர்வாக உகந்த செயல்பாட்டின் குணகங்களைக் காண்கிறோம்:

இவ்வாறு, பின்வருவனவற்றைப் பெறுகிறோம் அமைப்பு:

போலல்லாமல் நேரடி அதன் பகுதியில் கடையின் விற்றுமுதல் சார்ந்து, காணப்படும் சார்பு தலைகீழ் ("அதிகமாக, குறைவாக" கொள்கை), மற்றும் இந்த உண்மை உடனடியாக எதிர்மறையால் வெளிப்படுத்தப்படுகிறது சாய்வு. செயல்பாடு ஒரு குறிப்பிட்ட குறிகாட்டியில் 1 யூனிட் அதிகரிப்புடன், சார்பு காட்டி மதிப்பு குறைகிறது என்று நமக்கு சொல்கிறது சராசரியாக 0.65 அலகுகள் மூலம். அவர்கள் சொல்வது போல், பக்வீட்டின் அதிக விலை, குறைவாக விற்கப்படுகிறது.

மற்றும் வரைபடத்தை இயக்கவும்:

கட்டப்பட்ட நேர் கோடு என்று அழைக்கப்படுகிறது போக்கு வரி (அதாவது, ஒரு நேரியல் போக்குக் கோடு, அதாவது பொது வழக்கில், ஒரு போக்கு என்பது நேர் கோடாக இருக்க வேண்டிய அவசியமில்லை). "போக்கில் இருப்பது" என்ற வெளிப்பாடு அனைவருக்கும் தெரிந்திருக்கும், மேலும் இந்த வார்த்தைக்கு கூடுதல் கருத்துகள் தேவையில்லை என்று நான் நினைக்கிறேன்.

ஆண்டின் முதல் பாதியில் கடையின் சில்லறை விற்பனையில் பின்வரும் தரவு கிடைக்கிறது:

பகுப்பாய்வு நேர்கோட்டு சீரமைப்பைப் பயன்படுத்தி, ஜூலை மாத விற்றுமுதல் அளவை தீர்மானிக்கவும்.

ஆம், எந்த பிரச்சனையும் இல்லை: நாங்கள் 1, 2, 3, 4, 5, 6 மாதங்களை எண்ணி, வழக்கமான வழிமுறையைப் பயன்படுத்துகிறோம், இதன் விளைவாக ஒரு சமன்பாட்டைப் பெறுகிறோம் - ஒரே விஷயம் என்னவென்றால், நேரம் வரும்போது, அவர்கள் வழக்கமாகப் பயன்படுத்துகிறார்கள். "te" என்ற எழுத்து (இது முக்கியமானதல்ல என்றாலும்). இதன் விளைவாக சமன்பாடு ஆண்டின் முதல் பாதியில் வர்த்தக விற்றுமுதல் சராசரியாக 27.74 அலகுகள் அதிகரித்துள்ளது என்பதைக் காட்டுகிறது. மாதத்திற்கு. ஜூலை மாதத்திற்கான முன்னறிவிப்பைப் பெறுவோம் (மாதம் எண். 7): டி.இ.

மேலும் இது போன்ற எண்ணற்ற பணிகள் உள்ளன. விரும்புவோர் கூடுதல் சேவையைப் பயன்படுத்தலாம், அதாவது என் எக்செல் கால்குலேட்டர் (டெமோ பதிப்பு), இது பகுப்பாய்வு செய்யப்பட்ட சிக்கலை கிட்டத்தட்ட உடனடியாக தீர்க்கிறது!நிரலின் வேலை பதிப்பு கிடைக்கிறது பரிமாற்றத்தில்அல்லது அதற்காக குறியீட்டு கட்டணம்.

பாடத்தின் முடிவில், வேறு சில வகைகளின் சார்புகளைக் கண்டறிவது பற்றிய சுருக்கமான தகவல்கள். உண்மையில், அடிப்படை அணுகுமுறையும் தீர்வு வழிமுறையும் ஒரே மாதிரியாக இருப்பதால், சொல்ல அதிகம் இல்லை.

சோதனை புள்ளிகளின் அமைப்பு ஒரு ஹைபர்போலாவை ஒத்திருக்கிறது என்று வைத்துக்கொள்வோம். பின்னர், சிறந்த ஹைப்பர்போலாவின் குணகங்களைக் கண்டறிய, நீங்கள் செயல்பாட்டின் குறைந்தபட்சத்தைக் கண்டுபிடிக்க வேண்டும் - யார் வேண்டுமானாலும் விரிவான கணக்கீடுகளை மேற்கொள்ளலாம் மற்றும் இதேபோன்ற அமைப்புக்கு வரலாம்:

முறையான தொழில்நுட்பக் கண்ணோட்டத்தில், இது ஒரு "நேரியல்" அமைப்பிலிருந்து பெறப்படுகிறது (அதை ஒரு நட்சத்திரத்துடன் குறிப்போம்)"x" ஐ மாற்றுகிறது. சரி, தொகைகளைப் பற்றி என்ன? கணக்கிட, அதன் பிறகு உகந்த குணகங்கள் "a" மற்றும் "be" கைக்கு அருகில்.

புள்ளிகள் என்று நம்புவதற்கு எல்லா காரணங்களும் இருந்தால் ஒரு மடக்கை வளைவில் அமைந்துள்ளன, பின்னர் உகந்த மதிப்புகளைக் கண்டறிய, செயல்பாட்டின் குறைந்தபட்சத்தைக் காணலாம் . முறையாக, கணினியில் (*) மாற்றப்பட வேண்டும்:

எக்செல் இல் கணக்கீடுகளைச் செய்யும்போது, செயல்பாட்டைப் பயன்படுத்தவும் LN. பரிசீலனையில் உள்ள ஒவ்வொரு வழக்குகளுக்கும் கால்குலேட்டர்களை உருவாக்குவது எனக்கு கடினமாக இருக்காது என்று ஒப்புக்கொள்கிறேன், ஆனால் நீங்களே கணக்கீடுகளை "திட்டமிட்டால்" அது இன்னும் சிறப்பாக இருக்கும். உதவும் பாட வீடியோக்கள்.

அதிவேக சார்புடன், நிலைமை இன்னும் கொஞ்சம் சிக்கலானது. விஷயத்தை லீனியர் கேஸாகக் குறைக்க, நாம் செயல்பாட்டு மடக்கையை எடுத்துப் பயன்படுத்துகிறோம் மடக்கையின் பண்புகள்:

இப்போது, விளைந்த செயல்பாட்டை நேரியல் சார்புடன் ஒப்பிடுகையில், கணினியில் (*) , மற்றும் - மூலம் மாற்றப்பட வேண்டும் என்ற முடிவுக்கு வருகிறோம். வசதிக்காக, குறிக்கலாம்:

தயவு செய்து கணினியைப் பொறுத்து தீர்க்கப்பட்டது என்பதை நினைவில் கொள்க, எனவே, வேர்களைக் கண்டறிந்த பிறகு, குணகத்தைக் கண்டுபிடிக்க நீங்கள் மறந்துவிடக் கூடாது.

பரிசோதனை புள்ளிகளை நெருக்கமாக கொண்டு வர உகந்த பரவளையம் , கண்டுபிடிக்க வேண்டும் மூன்று மாறிகளின் குறைந்தபட்ச செயல்பாடு . நிலையான செயல்களைச் செய்த பிறகு, பின்வரும் "வேலை" பெறுகிறோம் அமைப்பு:

ஆம், நிச்சயமாக, இங்கே அதிக அளவுகள் உள்ளன, ஆனால் உங்களுக்கு பிடித்த பயன்பாட்டைப் பயன்படுத்தும் போது எந்த சிரமமும் இல்லை. இறுதியாக, எக்செல் மூலம் ஒரு சரிபார்ப்பை விரைவாகச் செய்வது மற்றும் விரும்பிய போக்குக் கோட்டை எவ்வாறு உருவாக்குவது என்பதை நான் உங்களுக்குச் சொல்கிறேன்: ஒரு சிதறல் சதித்திட்டத்தை உருவாக்கவும், சுட்டியைக் கொண்டு ஏதேனும் புள்ளிகளைத் தேர்ந்தெடுக்கவும் மற்றும் விருப்பத்தைத் தேர்ந்தெடுக்க வலது கிளிக் செய்யவும் "போக்கு வரியைச் சேர்". அடுத்து, விளக்கப்பட வகை மற்றும் தாவலில் தேர்ந்தெடுக்கவும் "விருப்பங்கள்"விருப்பத்தை செயல்படுத்தவும் "வரைபடத்தில் சமன்பாட்டைக் காட்டு". சரி

எப்பொழுதும் போல, சில அழகான சொற்றொடர்களுடன் கட்டுரையை முடிக்க விரும்புகிறேன், மேலும் "போக்கில் இருங்கள்!" ஆனால் காலப்போக்கில் மனம் மாறினார். அது ஒரே மாதிரியாக இருப்பதால் அல்ல. இது யாருக்கும் எப்படி இருக்கும் என்று எனக்குத் தெரியவில்லை, ஆனால் விளம்பரப்படுத்தப்பட்ட அமெரிக்க மற்றும் குறிப்பாக ஐரோப்பிய போக்கை நான் பின்பற்ற விரும்பவில்லை =) எனவே, நீங்கள் ஒவ்வொருவரும் உங்கள் சொந்த வரிசையில் ஒட்டிக்கொள்ள விரும்புகிறேன்!

http://www.grandars.ru/student/vysshaya-matematika/metod-naimenshih-kvadratov.html

குறைந்த சதுரங்கள் முறை மிகவும் பொதுவான ஒன்றாகும் மற்றும் அதன் காரணமாக மிகவும் வளர்ந்த ஒன்றாகும் நேரியல் பொருளாதார மாதிரிகளின் அளவுருக்களை மதிப்பிடுவதற்கான முறைகளின் எளிமை மற்றும் செயல்திறன். அதே நேரத்தில், அதைப் பயன்படுத்தும் போது, சில எச்சரிக்கையைக் கவனிக்க வேண்டும், ஏனெனில் அதைப் பயன்படுத்தி கட்டப்பட்ட மாதிரிகள் அவற்றின் அளவுருக்களின் தரத்திற்கான பல தேவைகளைப் பூர்த்தி செய்யாது, இதன் விளைவாக, செயல்முறை வளர்ச்சியின் வடிவங்களை "நன்றாக" பிரதிபலிக்காது. .

குறைந்த சதுரங்கள் முறையைப் பயன்படுத்தி நேரியல் பொருளாதார மாதிரியின் அளவுருக்களை மதிப்பிடுவதற்கான செயல்முறையை இன்னும் விரிவாகக் கருதுவோம். பொதுவாக அத்தகைய மாதிரியை சமன்பாடு (1.2) மூலம் குறிப்பிடலாம்:

y t = a 0 + a 1 x 1t +...+ a n x nt + ε t.

a 0 , a 1 ,..., a n என்பது சார்பு மாறியின் மதிப்புகளின் வெக்டார் அளவுருக்களை மதிப்பிடும் போது ஆரம்ப தரவு ஒய்= (y 1 , y 2 , ... , y T)" மற்றும் சுயாதீன மாறிகளின் மதிப்புகளின் அணி

இதில் முதல் நெடுவரிசை, ஒன்றை உள்ளடக்கியது, மாதிரி குணகத்திற்கு ஒத்திருக்கிறது.

குறைந்தபட்ச சதுரங்கள் முறை அதன் அடிப்படைக் கொள்கையின் அடிப்படையில் அதன் பெயரைப் பெற்றது, அதன் அடிப்படையில் பெறப்பட்ட அளவுரு மதிப்பீடுகள் பூர்த்தி செய்ய வேண்டும்: மாதிரி பிழையின் சதுரங்களின் கூட்டுத்தொகை குறைவாக இருக்க வேண்டும்.

குறைந்தபட்ச சதுரங்கள் முறையைப் பயன்படுத்தி சிக்கல்களைத் தீர்ப்பதற்கான எடுத்துக்காட்டுகள்

எடுத்துக்காட்டு 2.1.வர்த்தக நிறுவனம் 12 கடைகளின் நெட்வொர்க்கைக் கொண்டுள்ளது, அதன் செயல்பாடுகள் பற்றிய தகவல்கள் அட்டவணையில் வழங்கப்பட்டுள்ளன. 2.1

நிறுவனத்தின் நிர்வாகம், வருடாந்தர விற்றுமுதல் அளவு கடையின் சில்லறை இடத்தை எவ்வாறு சார்ந்துள்ளது என்பதை அறிய விரும்புகிறது.

அட்டவணை 2.1

கடை எண்	ஆண்டு வருவாய், மில்லியன் ரூபிள்.	சில்லறை விற்பனை பகுதி, ஆயிரம் மீ2
	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

குறைந்த சதுர தீர்வு.வது கடையின் வருடாந்திர வருவாயைக் குறிக்கலாம், மில்லியன் ரூபிள்; - வது கடையின் சில்லறை பகுதி, ஆயிரம் மீ 2.

படம்.2.1. எடுத்துக்காட்டு 2.1க்கான சிதறல்

மாறிகளுக்கு இடையிலான செயல்பாட்டு உறவின் வடிவத்தை தீர்மானிக்க மற்றும் நாம் ஒரு சிதறல் வரைபடத்தை உருவாக்குவோம் (படம் 2.1).

சிதறல் வரைபடத்தின் அடிப்படையில், வருடாந்திர விற்றுமுதல் சில்லறை இடத்தை சாதகமாக சார்ந்துள்ளது என்று நாம் முடிவு செய்யலாம் (அதாவது, அதிகரிக்கும் போது y அதிகரிக்கும் ). செயல்பாட்டு இணைப்பின் மிகவும் பொருத்தமான வடிவம் நேரியல்.

மேலும் கணக்கீடுகளுக்கான தகவல்கள் அட்டவணையில் வழங்கப்பட்டுள்ளன. 2.2 குறைந்த சதுரங்கள் முறையைப் பயன்படுத்தி, நேரியல் ஒரு காரணி பொருளாதார அளவீட்டு மாதிரியின் அளவுருக்களை மதிப்பிடுகிறோம்.

அட்டவணை 2.2

டி	ஒய் டி	x 1டி	y t 2	x 1டி 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
எஸ்	819,52	10,68	65008,554	11,4058	858,3991
சராசரி	68,29	0,89

இவ்வாறு,

எனவே, சில்லறை இடத்தில் 1 ஆயிரம் மீ 2 அதிகரிப்புடன், மற்ற விஷயங்கள் சமமாக இருப்பதால், சராசரி ஆண்டு வருவாய் 67.8871 மில்லியன் ரூபிள் அதிகரிக்கிறது.

எடுத்துக்காட்டு 2.2.வருடாந்தர விற்றுமுதல் கடையின் விற்பனைப் பகுதியை மட்டும் சார்ந்துள்ளது (எடுத்துக்காட்டு 2.1ஐப் பார்க்கவும்), ஆனால் பார்வையாளர்களின் சராசரி எண்ணிக்கையையும் சார்ந்திருப்பதை நிறுவனத்தின் நிர்வாகம் கவனித்தது. தொடர்புடைய தகவல்கள் அட்டவணையில் வழங்கப்பட்டுள்ளன. 2.3

அட்டவணை 2.3

தீர்வு.ஒரு நாளைக்கு வது கடைக்கு வருபவர்களின் சராசரி எண்ணிக்கை, ஆயிரம் பேர் என்பதைக் குறிப்பிடுவோம்.

மாறிகளுக்கு இடையிலான செயல்பாட்டு உறவின் வடிவத்தை தீர்மானிக்க மற்றும் நாம் ஒரு சிதறல் வரைபடத்தை உருவாக்குவோம் (படம் 2.2).

சிதறலின் அடிப்படையில், வருடாந்திர வருவாய் நாளொன்றுக்கு சராசரியாக பார்வையாளர்களின் எண்ணிக்கையைப் பொறுத்தது என்று நாம் முடிவு செய்யலாம் (அதாவது, அதிகரிக்கும் போது y அதிகரிக்கும் ). செயல்பாட்டு சார்பு வடிவம் நேரியல் ஆகும்.

அரிசி. 2.2 எடுத்துக்காட்டு 2.2 க்கான சிதறல்

அட்டவணை 2.4

டி	x 2டி	x 2டி 2	y t x 2t	x 1டி x 2டி

	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
எஸ்	127,83	1410,44	9160,9934	118,9728
சராசரி	10,65

பொதுவாக, இரண்டு காரணி பொருளாதார மாதிரியின் அளவுருக்களை தீர்மானிக்க வேண்டியது அவசியம்

y t = a 0 + a 1 x 1t + a 2 x 2t + ε t

மேலும் கணக்கீடுகளுக்கு தேவையான தகவல்கள் அட்டவணையில் வழங்கப்பட்டுள்ளன. 2.4

லீனியர் டூ ஃபேக்டர் எகனோமெட்ரிக் மாதிரியின் அளவுருக்களை குறைந்தபட்ச சதுரங்கள் முறையைப் பயன்படுத்தி மதிப்பிடுவோம்.

இவ்வாறு,

குணகம் =61.6583 இன் மதிப்பீடு, மற்ற விஷயங்கள் சமமாக இருப்பதால், சில்லறை இடத்தில் 1 ஆயிரம் மீ 2 அதிகரிப்புடன், ஆண்டு வருவாய் சராசரியாக 61.6583 மில்லியன் ரூபிள் அதிகரிக்கும்.

குணக மதிப்பீடு = 2.2748, மற்ற விஷயங்கள் சமமாக இருப்பதைக் காட்டுகிறது, 1 ஆயிரம் பேருக்கு சராசரி பார்வையாளர்களின் எண்ணிக்கையில் அதிகரிப்பு. ஒரு நாளைக்கு, ஆண்டு வருவாய் சராசரியாக 2.2748 மில்லியன் ரூபிள் அதிகரிக்கும்.

எடுத்துக்காட்டு 2.3.அட்டவணையில் வழங்கப்பட்ட தகவலைப் பயன்படுத்துதல். 2.2 மற்றும் 2.4, ஒரு காரணி பொருளாதார மாதிரியின் அளவுருவை மதிப்பிடுக

வது கடையின் வருடாந்திர விற்றுமுதலின் மைய மதிப்பு எங்கே, மில்லியன் ரூபிள்; - t-th கடைக்கு வருகை தரும் சராசரி தினசரி எண்ணிக்கையின் மைய மதிப்பு, ஆயிரம் பேர். (உதாரணங்கள் 2.1-2.2 பார்க்கவும்).

தீர்வு.கணக்கீடுகளுக்கு தேவையான கூடுதல் தகவல்கள் அட்டவணையில் வழங்கப்பட்டுள்ளன. 2.5

அட்டவணை 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
தொகை			48,4344	431,0566

சூத்திரத்தைப் பயன்படுத்தி (2.35), நாங்கள் பெறுகிறோம்

இவ்வாறு,

http://www.cleverstudents.ru/articles/mnk.html

உதாரணம்.

அவற்றின் சீரமைப்பின் விளைவாக, செயல்பாடு பெறப்படுகிறது

தீர்வு.

எனவே, y = 0.165x+2.184- விரும்பிய தோராயமான நேர்கோடு.

ஆதாரம்.

இரண்டாவது வரிசை வேறுபாடு வடிவம் உள்ளது:

அதாவது

முதல் வரிசை கோண மைனர் . புள்ளிகள் என்பதால் சமத்துவமின்மை கண்டிப்பானது

அறிமுக பாடம் இலவசமாக;
அதிக எண்ணிக்கையிலான அனுபவம் வாய்ந்த ஆசிரியர்கள் (சொந்த மற்றும் ரஷ்ய மொழி பேசும்);
பாடநெறிகள் ஒரு குறிப்பிட்ட காலத்திற்கு (மாதம், ஆறு மாதங்கள், ஆண்டு) அல்ல, ஆனால் குறிப்பிட்ட எண்ணிக்கையிலான பாடங்களுக்கு (5, 10, 20, 50);
10,000க்கும் மேற்பட்ட திருப்தியான வாடிக்கையாளர்கள்.
ரஷ்ய மொழி பேசும் ஆசிரியருடன் ஒரு பாடத்தின் விலை 600 ரூபிள் இருந்து, ஒரு தாய்மொழியுடன் - 1500 ரூபிள் இருந்து

குறைந்த சதுர முறையின் சாராம்சம் ஒரு போக்கு மாதிரியின் அளவுருக்களைக் கண்டறிவதில், நேரம் அல்லது இடத்தில் ஏதேனும் சீரற்ற நிகழ்வின் வளர்ச்சியின் போக்கை சிறப்பாக விவரிக்கிறது (ஒரு போக்கு என்பது இந்த வளர்ச்சியின் போக்கைக் குறிக்கும் ஒரு வரி). குறைந்த சதுரங்கள் முறையின் (LSM) பணியானது சில போக்கு மாதிரியை மட்டும் கண்டுபிடிப்பதற்கு அல்ல, ஆனால் சிறந்த அல்லது உகந்த மாதிரியைக் கண்டறிவதாகும். கவனிக்கப்பட்ட உண்மையான மதிப்புகள் மற்றும் தொடர்புடைய கணக்கிடப்பட்ட போக்கு மதிப்புகள் இடையே சதுர விலகல்களின் கூட்டுத்தொகை குறைவாக இருந்தால் இந்த மாதிரி உகந்ததாக இருக்கும் (சிறியது):

கவனிக்கப்பட்ட உண்மையான மதிப்புக்கு இடையிலான சதுர விலகல் எங்கே

மற்றும் தொடர்புடைய கணக்கிடப்பட்ட போக்கு மதிப்பு,

ஆய்வு செய்யப்படும் நிகழ்வின் உண்மையான (கவனிக்கப்பட்ட) மதிப்பு,

போக்கு மாதிரியின் கணக்கிடப்பட்ட மதிப்பு,

ஆய்வு செய்யப்படும் நிகழ்வின் அவதானிப்புகளின் எண்ணிக்கை.

MNC சொந்தமாக மிகவும் அரிதாகவே பயன்படுத்தப்படுகிறது. ஒரு விதியாக, பெரும்பாலும் இது தொடர்பு ஆய்வுகளில் தேவையான தொழில்நுட்ப நுட்பமாக மட்டுமே பயன்படுத்தப்படுகிறது. OLS இன் தகவல் அடிப்படையானது நம்பகமான புள்ளிவிவரத் தொடராக மட்டுமே இருக்க முடியும் என்பதை நினைவில் கொள்ள வேண்டும், மேலும் அவதானிப்புகளின் எண்ணிக்கை 4 க்கும் குறைவாக இருக்கக்கூடாது, இல்லையெனில் OLS இன் மென்மையான நடைமுறைகள் பொது அறிவை இழக்கக்கூடும்.

MNC கருவித்தொகுப்பு பின்வரும் நடைமுறைகளுக்கு கீழே கொதித்தது:

முதல் நடைமுறை. தேர்ந்தெடுக்கப்பட்ட காரணி-வாதம் மாறும்போது, விளைவான பண்புகளை மாற்றுவதற்கான ஏதேனும் போக்கு உள்ளதா அல்லது வேறுவிதமாகக் கூறினால், "" இடையே தொடர்பு உள்ளதா என்பது மாறிவிடும். மணிக்கு "மற்றும்" எக்ஸ் ».

இரண்டாவது நடைமுறை. இந்தப் போக்கை எந்த வரி (பாதை) சிறப்பாக விவரிக்கலாம் அல்லது வகைப்படுத்தலாம் என்பது தீர்மானிக்கப்படுகிறது.

மூன்றாவது நடைமுறை.

உதாரணம். ஆய்வின் கீழ் உள்ள பண்ணையின் சராசரி சூரியகாந்தி விளைச்சல் பற்றிய தகவல் எங்களிடம் உள்ளது என்று வைத்துக்கொள்வோம் (அட்டவணை 9.1).

அட்டவணை 9.1

கண்காணிப்பு எண்

உற்பத்தித்திறன், c/ha

நம் நாட்டில் சூரியகாந்தி உற்பத்தியில் தொழில்நுட்பத்தின் நிலை கடந்த 10 ஆண்டுகளில் கிட்டத்தட்ட மாறாமல் இருப்பதால், வெளிப்படையாக, பகுப்பாய்வு செய்யப்பட்ட காலத்தில் விளைச்சலில் ஏற்படும் ஏற்ற இறக்கங்கள் வானிலை மற்றும் காலநிலை நிலைகளில் ஏற்ற இறக்கங்களைப் பொறுத்தது. இது உண்மையில் உண்மையா?

முதல் OLS செயல்முறை. பகுப்பாய்வு செய்யப்பட்ட 10 ஆண்டுகளில் வானிலை மற்றும் தட்பவெப்ப நிலைகளில் ஏற்படும் மாற்றங்களைப் பொறுத்து சூரியகாந்தி விளைச்சலில் ஒரு போக்கு இருப்பதைப் பற்றிய கருதுகோள் சோதிக்கப்படுகிறது.

இந்த எடுத்துக்காட்டில், " ஒய் "சூரியகாந்தி விளைச்சலை எடுத்துக்கொள்வது நல்லது, மேலும்" x » - பகுப்பாய்வு செய்யப்பட்ட காலத்தில் கவனிக்கப்பட்ட ஆண்டின் எண்ணிக்கை. இடையே எந்த உறவின் இருப்பு பற்றிய கருதுகோளை சோதித்தல் " x "மற்றும்" ஒய் "இரண்டு வழிகளில் செய்ய முடியும்: கைமுறையாக மற்றும் கணினி நிரல்களைப் பயன்படுத்துதல். நிச்சயமாக, உங்களிடம் கணினி தொழில்நுட்பம் இருந்தால், இந்த சிக்கலை தானாகவே தீர்க்க முடியும். ஆனால் MNC கருவிகளை நன்கு புரிந்து கொள்ள, "" இடையே ஒரு உறவு இருப்பதைப் பற்றிய கருதுகோளைச் சோதிப்பது நல்லது. x "மற்றும்" ஒய் » கைமுறையாக, ஒரு பேனா மற்றும் ஒரு சாதாரண கால்குலேட்டர் மட்டுமே கையில் இருக்கும்போது. இதுபோன்ற சந்தர்ப்பங்களில், ஒரு போக்கு இருப்பதைப் பற்றிய கருதுகோள், பகுப்பாய்வு செய்யப்பட்ட தொடர் இயக்கவியலின் வரைகலை படத்தின் இருப்பிடத்தால் பார்வைக்கு சிறப்பாக சரிபார்க்கப்படுகிறது - தொடர்பு புலம்:

எங்கள் எடுத்துக்காட்டில் உள்ள தொடர்பு புலம் மெதுவாக அதிகரித்து வரும் கோட்டைச் சுற்றி அமைந்துள்ளது. இதுவே சூரியகாந்தி விளைச்சலில் ஏற்படும் மாற்றங்களில் ஒரு குறிப்பிட்ட போக்கு இருப்பதைக் குறிக்கிறது. தொடர்பு புலம் ஒரு வட்டம், ஒரு வட்டம், கண்டிப்பாக செங்குத்து அல்லது கண்டிப்பாக கிடைமட்ட மேகம் அல்லது குழப்பமான சிதறிய புள்ளிகளைக் கொண்டிருக்கும் போது மட்டுமே எந்தப் போக்கும் இருப்பதைப் பற்றி பேச முடியாது. மற்ற எல்லா நிகழ்வுகளிலும், இடையே ஒரு உறவின் இருப்பு பற்றிய கருதுகோள் " x "மற்றும்" ஒய் ", மற்றும் ஆராய்ச்சி தொடரவும்.

இரண்டாவது OLS செயல்முறை. பகுப்பாய்வு செய்யப்பட்ட காலத்தில் சூரியகாந்தி விளைச்சலில் ஏற்படும் மாற்றங்களின் போக்கை எந்த வரி (பாதை) சிறப்பாக விவரிக்கலாம் அல்லது வகைப்படுத்தலாம் என்பது தீர்மானிக்கப்படுகிறது.

உங்களிடம் கணினி தொழில்நுட்பம் இருந்தால், உகந்த போக்கின் தேர்வு தானாகவே நிகழ்கிறது. “கையேடு” செயலாக்கத்தில், உகந்த செயல்பாட்டின் தேர்வு, ஒரு விதியாக, பார்வைக்கு - தொடர்பு புலத்தின் இருப்பிடத்தால் மேற்கொள்ளப்படுகிறது. அதாவது, வரைபட வகையின் அடிப்படையில், அனுபவப் போக்குக்கு (உண்மையான பாதை) பொருந்தக்கூடிய கோட்டின் சமன்பாடு தேர்ந்தெடுக்கப்பட்டது.

உங்களுக்குத் தெரிந்தபடி, இயற்கையில் பலவிதமான செயல்பாட்டு சார்புகள் உள்ளன, எனவே அவற்றில் ஒரு சிறிய பகுதியைக் கூட பார்வைக்கு பகுப்பாய்வு செய்வது மிகவும் கடினம். அதிர்ஷ்டவசமாக, உண்மையான பொருளாதார நடைமுறையில், பெரும்பாலான உறவுகளை ஒரு பரவளையம், அல்லது ஒரு ஹைபர்போலா அல்லது ஒரு நேர் கோடு மூலம் மிகவும் துல்லியமாக விவரிக்க முடியும். இது சம்பந்தமாக, சிறந்த செயல்பாட்டைத் தேர்ந்தெடுக்கும் "கையேடு" விருப்பத்துடன், நீங்கள் இந்த மூன்று மாடல்களுக்கு மட்டுமே உங்களை கட்டுப்படுத்தலாம்.

		ஹைபர்போலா:

இரண்டாவது வரிசை பரவளைய: :

எங்கள் எடுத்துக்காட்டில், பகுப்பாய்வு செய்யப்பட்ட 10 ஆண்டுகளில் சூரியகாந்தி மகசூல் மாற்றங்களின் போக்கு ஒரு நேர் கோட்டால் சிறப்பாக வகைப்படுத்தப்படுகிறது, எனவே பின்னடைவு சமன்பாடு ஒரு நேர் கோட்டின் சமன்பாடாக இருக்கும்.

மூன்றாவது நடைமுறை. இந்த வரியை வகைப்படுத்தும் பின்னடைவு சமன்பாட்டின் அளவுருக்கள் கணக்கிடப்படுகின்றன அல்லது வேறுவிதமாகக் கூறினால், சிறந்த போக்கு மாதிரியை விவரிக்கும் ஒரு பகுப்பாய்வு சூத்திரம் தீர்மானிக்கப்படுகிறது.

பின்னடைவு சமன்பாட்டின் அளவுருக்களின் மதிப்புகளைக் கண்டறிதல், எங்கள் விஷயத்தில் அளவுருக்கள் மற்றும் , OLS இன் மையமாகும். இந்த செயல்முறை சாதாரண சமன்பாடுகளின் அமைப்பைத் தீர்ப்பதற்கு வருகிறது.

(9.2)

இந்த சமன்பாடுகளை காஸ் முறை மூலம் மிக எளிதாக தீர்க்க முடியும். தீர்வின் விளைவாக, எங்கள் எடுத்துக்காட்டில், அளவுருக்களின் மதிப்புகள் மற்றும் காணப்படுகின்றன என்பதை நினைவில் கொள்வோம். எனவே, கண்டறியப்பட்ட பின்னடைவு சமன்பாடு பின்வரும் வடிவத்தைக் கொண்டிருக்கும்:

அதன் அளவுருக்களின் தெளிவான பொருளாதார விளக்கத்தின் வடிவத்தில் இது பொருளாதாரத்தில் பரவலாகப் பயன்படுத்தப்படுகிறது.

நேரியல் பின்னடைவு என்பது படிவத்தின் சமன்பாட்டைக் கண்டறிவதில் வரும்

அல்லது

படிவத்தின் சமன்பாடு குறிப்பிட்ட அளவுரு மதிப்புகளின் அடிப்படையில் அனுமதிக்கிறது எக்ஸ்விளைவான குணாதிசயத்தின் கோட்பாட்டு மதிப்புகளைக் கொண்டிருங்கள், காரணியின் உண்மையான மதிப்புகளை அதில் மாற்றுகிறது எக்ஸ்.

நேரியல் பின்னடைவின் கட்டுமானம் அதன் அளவுருக்களை மதிப்பிடுவதற்கு கீழே வருகிறது - ஏமற்றும் வி.நேரியல் பின்னடைவு அளவுரு மதிப்பீடுகளை வெவ்வேறு முறைகளைப் பயன்படுத்தி காணலாம்.

நேரியல் பின்னடைவு அளவுருக்களை மதிப்பிடுவதற்கான கிளாசிக்கல் அணுகுமுறை அடிப்படையாக கொண்டது குறைந்த சதுர முறை(MNC).

குறைந்தபட்ச சதுரங்கள் முறை அத்தகைய அளவுரு மதிப்பீடுகளைப் பெற அனுமதிக்கிறது ஏமற்றும் வி,இதன் விளைவாக வரும் பண்புகளின் உண்மையான மதிப்புகளின் வர்க்க விலகல்களின் கூட்டுத்தொகை (y)கணக்கிடப்பட்டதிலிருந்து (கோட்பாட்டு) குறைந்தபட்சம்:

ஒரு செயல்பாட்டின் குறைந்தபட்சத்தைக் கண்டறிய, ஒவ்வொரு அளவுருக்களுக்கும் பகுதி வழித்தோன்றல்களைக் கணக்கிட வேண்டும் ஏமற்றும் பிமற்றும் அவற்றை பூஜ்ஜியத்திற்கு சமமாக அமைக்கவும்.

S ஆல் குறிப்போம், பின்:

சூத்திரத்தை மாற்றுவதன் மூலம், அளவுருக்களை மதிப்பிடுவதற்கு பின்வரும் சாதாரண சமன்பாடுகளின் அமைப்பைப் பெறுகிறோம் ஏமற்றும் வி:

சாதாரண சமன்பாடுகளின் அமைப்பை (3.5) தீர்க்கும் முறை மாறிகளின் வரிசைமுறை நீக்குதல் முறை அல்லது தீர்மானிப்பதன் மூலம், அளவுருக்களின் தேவையான மதிப்பீடுகளைக் காண்கிறோம். ஏமற்றும் வி.

அளவுரு விபின்னடைவு குணகம் என்று அழைக்கப்படுகிறது. அதன் மதிப்பு ஒரு யூனிட் மூலம் காரணி மாற்றத்துடன் முடிவின் சராசரி மாற்றத்தைக் காட்டுகிறது.

பின்னடைவு சமன்பாடு எப்போதும் இணைப்பின் நெருக்கத்தின் குறிகாட்டியுடன் கூடுதலாக இருக்கும். நேரியல் பின்னடைவைப் பயன்படுத்தும் போது, அத்தகைய காட்டி நேரியல் தொடர்பு குணகம் ஆகும். நேரியல் தொடர்பு குணகம் சூத்திரத்தில் பல்வேறு மாற்றங்கள் உள்ளன. அவற்றில் சில கீழே கொடுக்கப்பட்டுள்ளன:

அறியப்பட்டபடி, நேரியல் தொடர்பு குணகம் வரம்புகளுக்குள் உள்ளது: -1 ≤ ≤ 1.

நேரியல் செயல்பாட்டின் தேர்வின் தரத்தை மதிப்பிட, சதுரம் கணக்கிடப்படுகிறது

நேரியல் தொடர்பு குணகம் அழைக்கப்படுகிறது நிர்ணய குணகம்.நிர்ணய குணகம் விளைந்த பண்புகளின் மாறுபாட்டின் விகிதத்தை வகைப்படுத்துகிறது ஒய்,விளைந்த பண்பின் மொத்த மாறுபாட்டின் பின்னடைவால் விளக்கப்பட்டது:

அதன்படி, மதிப்பு 1 மாறுபாட்டின் பங்கைக் குறிக்கிறது ஒய்,மாதிரியில் கணக்கில் எடுத்துக்கொள்ளப்படாத பிற காரணிகளின் செல்வாக்கால் ஏற்படுகிறது.

சுய கட்டுப்பாட்டிற்கான கேள்விகள்

1. குறைந்த சதுரங்கள் முறையின் சாராம்சம்?

2. ஜோடிவரிசை பின்னடைவு எத்தனை மாறிகளை வழங்குகிறது?

3. மாற்றங்களுக்கு இடையிலான இணைப்பின் நெருக்கத்தை எந்த குணகம் தீர்மானிக்கிறது?

4. எந்த வரம்புகளுக்குள் தீர்மானிக்கும் குணகம் தீர்மானிக்கப்படுகிறது?

5. தொடர்பு-பின்னடைவு பகுப்பாய்வில் அளவுரு b இன் மதிப்பீடு?

1. கிறிஸ்டோபர் டகெர்டி. பொருளாதார அளவியல் அறிமுகம். - எம்.: இன்ஃப்ரா - எம், 2001 - 402 பக்.

2. எஸ்.ஏ. போரோடிச். பொருளாதார அளவியல். மின்ஸ்க் எல்எல்சி "புதிய அறிவு" 2001.

3. ஆர்.யு. ரக்மெடோவா பொருளாதார அளவீட்டில் குறுகிய படிப்பு. படிப்பு வழிகாட்டி. அல்மாட்டி. 2004. -78ப.

4. ஐ.ஐ. எலிசீவா பொருளாதாரம். - எம்.: "நிதி மற்றும் புள்ளியியல்", 2002

5. மாதாந்திர தகவல் மற்றும் பகுப்பாய்வு இதழ்.

நேரியல் அல்லாத பொருளாதார மாதிரிகள். நேரியல் அல்லாத பின்னடைவு மாதிரிகள். மாறிகளின் மாற்றம்.

நேரியல் அல்லாத பொருளாதார மாதிரிகள்..

மாறிகளின் மாற்றம்.

நெகிழ்ச்சி குணகம்.

பொருளாதார நிகழ்வுகளுக்கு இடையே நேரியல் அல்லாத உறவுகள் இருந்தால், அவை தொடர்புடைய நேரியல் அல்லாத செயல்பாடுகளைப் பயன்படுத்தி வெளிப்படுத்தப்படுகின்றன: எடுத்துக்காட்டாக, ஒரு சமபக்க ஹைபர்போலா , இரண்டாம் பட்டத்தின் பரவளையங்கள், முதலியன.

நேரியல் அல்லாத பின்னடைவுகளில் இரண்டு வகைகள் உள்ளன:

1. பகுப்பாய்வில் சேர்க்கப்பட்டுள்ள விளக்க மாறிகள் தொடர்பாக நேரியல் அல்லாத பின்னடைவுகள், ஆனால் மதிப்பிடப்பட்ட அளவுருக்கள் தொடர்பாக நேரியல், எடுத்துக்காட்டாக:

பல்வேறு பட்டங்களின் பல்லுறுப்புக்கோவைகள் - , ;

சமபக்க ஹைபர்போலா - ;

செமிலோகரிதமிக் செயல்பாடு - .

2. மதிப்பிடப்படும் அளவுருக்களில் நேரியல் அல்லாத பின்னடைவுகள், எடுத்துக்காட்டாக:

சக்தி - ;

ஆர்ப்பாட்டம் - ;

அதிவேக - .

விளைந்த குணாதிசயத்தின் தனிப்பட்ட மதிப்புகளின் வர்க்க விலகல்களின் மொத்தத் தொகை மணிக்குசராசரி மதிப்பு பல காரணங்களின் செல்வாக்கால் ஏற்படுகிறது. முழு காரணங்களையும் நிபந்தனையுடன் இரண்டு குழுக்களாகப் பிரிப்போம்: ஆய்வு செய்யப்படும் காரணி xமற்றும் மற்ற காரணிகள்.

காரணி முடிவை பாதிக்கவில்லை என்றால், வரைபடத்தில் உள்ள பின்னடைவு கோடு அச்சுக்கு இணையாக இருக்கும் ஓமற்றும்

பிற காரணிகளின் செல்வாக்கின் காரணமாக விளைந்த குணாதிசயத்தின் முழு மாறுபாடும் மற்றும் சதுர விலகல்களின் மொத்தத் தொகையானது எஞ்சியவற்றுடன் ஒத்துப்போகும். பிற காரணிகள் முடிவை பாதிக்கவில்லை என்றால், பிறகு y கட்டப்பட்டதுஉடன் எக்ஸ்செயல்பாட்டு ரீதியாக மற்றும் சதுரங்களின் எஞ்சிய தொகை பூஜ்ஜியமாகும். இந்த வழக்கில், பின்னடைவால் விளக்கப்படும் வர்க்க விலகல்களின் கூட்டுத்தொகையானது சதுரங்களின் மொத்தத் தொகைக்கு சமமாக இருக்கும்.

தொடர்பு புலத்தின் அனைத்து புள்ளிகளும் பின்னடைவுக் கோட்டில் இல்லை என்பதால், அவற்றின் சிதறல் எப்போதும் காரணியின் செல்வாக்கின் விளைவாக நிகழ்கிறது. எக்ஸ், அதாவது பின்னடைவு மணிக்குமூலம் X,மற்றும் பிற காரணங்களால் ஏற்படுகிறது (விவரிக்கப்படாத மாறுபாடு). முன்னறிவிப்புக்கான பின்னடைவுக் கோட்டின் பொருத்தம், பண்பின் மொத்த மாறுபாட்டின் எந்தப் பகுதியைப் பொறுத்தது மணிக்குவிளக்கப்பட்ட மாறுபாட்டிற்கான கணக்குகள்

வெளிப்படையாக, பின்னடைவு காரணமாக ஏற்படும் வர்க்க விலகல்களின் கூட்டுத்தொகை சதுரங்களின் எஞ்சிய தொகையை விட அதிகமாக இருந்தால், பின்னடைவு சமன்பாடு புள்ளியியல் ரீதியாக முக்கியத்துவம் வாய்ந்தது மற்றும் காரணியாகும் எக்ஸ்முடிவில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்துகிறது u.

, அதாவது, ஒரு குணாதிசயத்தின் சுயாதீன மாறுபாட்டின் சுதந்திரத்தின் எண்ணிக்கையுடன். சுதந்திரத்தின் டிகிரி எண்ணிக்கை மக்கள்தொகையின் அலகுகளின் எண்ணிக்கை n மற்றும் அதிலிருந்து தீர்மானிக்கப்படும் மாறிலிகளின் எண்ணிக்கையுடன் தொடர்புடையது. ஆய்வின் கீழ் உள்ள சிக்கல் தொடர்பாக, சுதந்திரத்தின் அளவுகளின் எண்ணிக்கை எத்தனை சுயாதீன விலகல்களைக் காட்ட வேண்டும் n

ஒட்டுமொத்த பின்னடைவு சமன்பாட்டின் முக்கியத்துவத்தின் மதிப்பீடு பயன்படுத்தப்படுகிறது எஃப்-மீனவர் அளவுகோல். இந்த வழக்கில், பின்னடைவு குணகம் பூஜ்ஜியத்திற்கு சமம் என்று ஒரு பூஜ்ய கருதுகோள் முன்வைக்கப்படுகிறது, அதாவது. b = 0, எனவே காரணி எக்ஸ்முடிவை பாதிக்காது u.

எஃப்-சோதனையின் உடனடி கணக்கீடு மாறுபாட்டின் பகுப்பாய்வுக்கு முந்தியுள்ளது. அதில் மைய இடம் ஒரு மாறியின் வர்க்க விலகல்களின் மொத்தத் தொகையின் சிதைவால் ஆக்கிரமிக்கப்பட்டுள்ளது. மணிக்குசராசரி மதிப்பிலிருந்து மணிக்குஇரண்டு பகுதிகளாக - "விளக்கப்பட்டது" மற்றும் "விளக்கப்படாதது":

வர்க்க விலகல்களின் மொத்தத் தொகை;

பின்னடைவு மூலம் விளக்கப்பட்ட வர்க்க விலகலின் கூட்டுத்தொகை;

வர்க்க விலகல்களின் எஞ்சிய தொகை.

சதுர விலகல்களின் எந்தத் தொகையும் சுதந்திரத்தின் டிகிரி எண்ணிக்கையுடன் தொடர்புடையது , அதாவது, ஒரு குணாதிசயத்தின் சுயாதீன மாறுபாட்டின் சுதந்திரத்தின் எண்ணிக்கையுடன். சுதந்திரத்தின் அளவுகளின் எண்ணிக்கை மக்கள்தொகை அலகுகளின் எண்ணிக்கையுடன் தொடர்புடையது nமற்றும் அதிலிருந்து தீர்மானிக்கப்படும் மாறிலிகளின் எண்ணிக்கையுடன். ஆய்வின் கீழ் உள்ள சிக்கல் தொடர்பாக, சுதந்திரத்தின் அளவுகளின் எண்ணிக்கை எத்தனை சுயாதீன விலகல்களைக் காட்ட வேண்டும் nகொடுக்கப்பட்ட சதுரங்களின் தொகையை உருவாக்குவது சாத்தியம்.

சுதந்திரத்தின் அளவிற்கு சிதறல்டி.

F-விகிதங்கள் (F-சோதனை):

பூஜ்ய கருதுகோள் உண்மையாக இருந்தால், பின்னர் காரணி மற்றும் எஞ்சிய மாறுபாடுகள் ஒருவருக்கொருவர் வேறுபடுவதில்லை. H 0 க்கு, ஒரு மறுப்பு அவசியம், இதனால் காரணி சிதறல் எஞ்சிய சிதறலை விட பல மடங்கு அதிகமாகும். ஆங்கிலப் புள்ளியியல் நிபுணர் ஸ்னெடகோர் முக்கியமான மதிப்புகளின் அட்டவணையை உருவாக்கினார் எஃப்பூஜ்ய கருதுகோளின் வெவ்வேறு நிலைகளில் உள்ள உறவுகள் மற்றும் சுதந்திரத்தின் வெவ்வேறு அளவுகள். அட்டவணை மதிப்பு எஃப்-அளவுகோல் என்பது பூஜ்ய கருதுகோள் இருப்பதற்கான ஒரு குறிப்பிட்ட அளவிலான நிகழ்தகவுக்கான சீரற்ற வேறுபாட்டின் போது ஏற்படக்கூடிய மாறுபாடுகளின் விகிதத்தின் அதிகபட்ச மதிப்பாகும். கணக்கிடப்பட்ட மதிப்பு எஃப் o அட்டவணையை விட அதிகமாக இருந்தால் உறவுகள் நம்பகமானதாகக் கருதப்படும்.

இந்த வழக்கில், அறிகுறிகளுக்கு இடையில் ஒரு உறவு இல்லாதது பற்றிய பூஜ்ய கருதுகோள் நிராகரிக்கப்படுகிறது மற்றும் இந்த உறவின் முக்கியத்துவத்தைப் பற்றி ஒரு முடிவு எடுக்கப்படுகிறது: F உண்மை > F அட்டவணை H 0 நிராகரிக்கப்பட்டது.

அட்டவணையை விட மதிப்பு குறைவாக இருந்தால் F உண்மை ‹, F அட்டவணை, பின்னர் பூஜ்ய கருதுகோளின் நிகழ்தகவு ஒரு குறிப்பிட்ட அளவை விட அதிகமாக உள்ளது மற்றும் ஒரு உறவின் இருப்பு பற்றி தவறான முடிவை எடுக்கும் தீவிர ஆபத்து இல்லாமல் நிராகரிக்க முடியாது. இந்த வழக்கில், பின்னடைவு சமன்பாடு புள்ளிவிவர ரீதியாக முக்கியமற்றதாகக் கருதப்படுகிறது. ஆனால் அவர் விலகுவதில்லை.

பின்னடைவு குணகத்தின் நிலையான பிழை

பின்னடைவு குணகத்தின் முக்கியத்துவத்தை மதிப்பிடுவதற்கு, அதன் மதிப்பு அதன் நிலையான பிழையுடன் ஒப்பிடப்படுகிறது, அதாவது உண்மையான மதிப்பு தீர்மானிக்கப்படுகிறது. டி-மாணவரின் டி-டெஸ்ட்: இது ஒரு குறிப்பிட்ட அளவிலான முக்கியத்துவம் மற்றும் சுதந்திரத்தின் அளவுகளில் அட்டவணை மதிப்புடன் ஒப்பிடப்படுகிறது ( n- 2).

நிலையான அளவுரு பிழை ஏ:

நேரியல் தொடர்பு குணகத்தின் முக்கியத்துவம் பிழையின் அளவின் அடிப்படையில் சரிபார்க்கப்படுகிறது தொடர்பு குணகம் டி ஆர்:

மொத்த பண்பு மாறுபாடு எக்ஸ்:

பல நேரியல் பின்னடைவு

மாதிரி கட்டிடம்

பல பின்னடைவுஇரண்டு அல்லது அதற்கு மேற்பட்ட காரணிகளைக் கொண்ட பயனுள்ள பண்புகளின் பின்னடைவைக் குறிக்கிறது, அதாவது வடிவத்தின் மாதிரி

ஆய்வுப் பொருளைப் பாதிக்கும் பிற காரணிகளின் செல்வாக்கு புறக்கணிக்கப்படுமானால், பின்னடைவு மாடலிங்கில் நல்ல முடிவுகளைத் தரும். தனிப்பட்ட பொருளாதார மாறிகளின் நடத்தையை கட்டுப்படுத்த முடியாது, அதாவது ஆய்வின் கீழ் ஒரு காரணியின் செல்வாக்கை மதிப்பிடுவதற்கு மற்ற அனைத்து நிபந்தனைகளின் சமத்துவத்தை உறுதிப்படுத்த முடியாது. இந்த வழக்கில், மாதிரியில் அறிமுகப்படுத்துவதன் மூலம் பிற காரணிகளின் செல்வாக்கை அடையாளம் காண முயற்சிக்க வேண்டும், அதாவது, பல பின்னடைவு சமன்பாட்டை உருவாக்கவும்: y = a+b 1 x 1 +b 2 +…+b p x p + .

பல பின்னடைவின் முக்கிய குறிக்கோள், ஒரு பெரிய எண்ணிக்கையிலான காரணிகளைக் கொண்ட மாதிரியை உருவாக்குவதாகும், அதே நேரத்தில் அவை ஒவ்வொன்றின் செல்வாக்கையும் தனித்தனியாக தீர்மானிக்கிறது, அதே போல் மாதிரி காட்டி மீது அவற்றின் ஒருங்கிணைந்த தாக்கத்தை தீர்மானிக்கிறது. மாதிரியின் விவரக்குறிப்பில் இரண்டு வரம்பு சிக்கல்கள் உள்ளன: காரணிகளின் தேர்வு மற்றும் பின்னடைவு சமன்பாட்டின் வகை தேர்வு