- •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 гребневой регрессии
Если система уравнений очень плохо обусловлена или вырождена, то рассмотренные выше методы не дадут положительного результата. В этом случае целесообразно попытаться исправить матрицу системы уравнений таким образом чтобы она стала не вырожденной.
Рассмотрим систему уравнений
,
где - действительная, симметричная, неотрицательно определенная матрица. Собственные числа такой матрицы попарно различны. Определитель матрицыFTF равен . Если n=0, то матрица FTF будет вырождена.
Рассмотрим матрицу , гдеr>0. Спектр собственных чисел этой матрицы имеет вид , а определитель равен
,
т.е. матрица не вырождена. Следовательно система уравнений
имеет решение. Если r <<1, то можно ожидать, что решение исправленного уравнения будет мало отличатся от решения исходного уравнения. Определенные трудности при реализации данного метода связаны с отсутствием объективного метода определения оптимального значения коэффициента r. В методе гребневой регрессии его значение прелагается определять по графику зависимостей выбирая в качестве оптимального значенияr0 то минимальное значение r начиная с которого начинают слабо изменяться. Очевидно, что данная методика весьма субъективна и будет давать положительный результат далеко не всегда. Для получения более точных результатов необходимо иметь объективную методику определения оптимального значения коэффициентаr.
1 Большев Л.В., Смирнов Н.И. Таблицы математической статистики. М.,ВЦ АН СССР 1968
2 Вучков И., Бояджиев Л., Солаков Е. Прикладной линейный регрессионный анализ. - М.: Финансы и статистика, 1987