- •ПРоверка гипотез о виде закона распределения случайной величины
- •1. Критерий пирсона
- •2. Критерий колмогорова
- •Интервальные оценки статистических характеристик случайной величины
- •Определения доверительных интервалов
- •1. Доверительный интервал для среднего при известной дисперсии
- •2 Доверительный интервал для среднего при неизвестной дисперсии
- •3 Доверительный интервал для дисперсии
- •Метод наименьших квадратов
- •Метод стандартизации
- •Метод Наименьших квадратов на основе матриц с ортоНормированнЫми столбцами
- •Метод гребневой регрессии
Метод стандартизации
В ряде случаев при плохой обусловленности матрицы улучшить ситуацию можно, используя операцию стандартизации матрицы. Суть стандартизации заключается в том, что матрицазаменяется матрицей, а векторзаменяется вектором, элементы которых связаны с элементами матрицыи векторасоотношениями
,
где
В результате такой замены исходная система уравнений приводится к виду
.
Решение этой системы может оказаться более точным, чем решение исходной системы, так как коэффициент обусловленности матрицы может быть меньше, чем коэффициент обусловленности матрицы.
Вектор связан с векторомсоотношениями
К сожалению, метод стандартизации не всегда приводит к положительному результату. Действительно, прежде всего следует отметить, что коэффициент обусловленности уравнения (2), используемого для определения вектора , Cond(FTF) больше коэффициента обусловленности исходного уравнения CondF, т.к. Cond(FTF)=(CondF)2 и CondF>1. Следовательно, применение данной схемы увеличивает погрешность определения вектора . С другой стороны для определения вектора необходимо обратить матрицу (FTF)-1, как известно операция обращения матрицы является наименее точной, что также увеличивает погрешность определения вектора .
С учетом сказанного метод наименьших квадратов целесообразно модифицировать таким образом, чтобы исключить указанные недостатки.
Метод Наименьших квадратов на основе матриц с ортоНормированнЫми столбцами
Рассмотрим систему уравнений с матрицей, состоящей из ортонормированных столбцов
(6)
Поскольку ETE=I, то решение этого уравнения имеет вид
. (7)
Поскольку CondET=CondE=1, то в данном случае коэффициент обусловленности системы уравнений не изменяется и, кроме того, является минимально возможным (CondE1).
Найдем теперь выражение для оценки дисперсии i-той координаты вектора . Прежде всего отметим, что значение dii, входящее в выражение (3) равно 1. Действительно, поскольку в данном случае F=E и FTF=ETE=I и I-1=I, то dii=1. Далее учитывая, что
для получим следующее выражение
, (8)
т.е. дисперсия одна и та же для всех координат вектора .
Если матрица ортогональна, но не нормирована, то приведенные выше формулы усложняются. Однако, если норма всех вектор столбцов матрицы E одинакова ( в случае матрицы Уолша норма вектор столбца равна N - размерности вектора), то формулы усложняются незначительно и принимают вид
Рассмотрим исходное уравнение
.
Разложим матрицу F в произведение двух матриц F=ET, где E - ортонормированная матрица размера N x M, T- верхнетреугольная матрица размера M x M. Поскольку ортонормированная матрица удовлетворяет следующим свойствам ET=E-1 , CondE=1, то для определения вектора получим уравнение
.
Коэффициент обусловленности данного уравнения совпадает с коэффициентом обусловленности исходного уравнения и для решения данного уравнения не нужно обращать матрицу (поскольку система уравнений с треугольной матрицей может быть решена без обращения матрицы), следовательно, данная схема обладает более высокой точностью при определении вектора .