
Л2 / Приклад викрнання в Mathcad
.docАпроксимація емпіричних даних методом найменших квадратів
Необхідність розв’язання
несумісних систем досить часто виникає
у практичних розрахунках, наприклад
при аналізі емпіричних даних, у тому
числі й економічних. В економіці
розглядаються зв'язки між вартістю
продукції, обсягом виробництва, ціною
й прибутком. Незважаючи на складність
цих зв'язків, у певних моделях вони
можуть бути лінійними. Нехай, наприклад,
випуск
екземплярів виробу обходиться у суму
,
випуск
екземплярів виробу обходиться у суму
і т.д. Тоді виробник може оцінити суму
витрат у на наступному тижні, припустивши,
що вона лінійно залежить від обсягу
випуску
t,
і оцінивши значення коефіцієнтів с,
d по вже
наявним даним. Коефіцієнт с
називається граничною
вартістю виробництва,
а коефіцієнт d
визначає накладні
витрати. Припустивши,
що емпіричні дані
підкоряються залежності
,
одержимо відносно невідомих с,
d систему
лінійних алгебраїчних рівнянь
у якій при n > 2 рівнянь більше, ніж невідомих. Лінійна система, число рівнянь у якій більше числа невідомих, називається перевизначеною.
Якщо лінійне співвідношення
дійсно справедливо й емпіричні дані
виміряні точно, то отримана система
сумісна, ранг матриці дорівнює двом
(кількість невідомих) і значення
коефіцієнтів лінійної залежності можна
знайти з перших двох рівнянь системи.
На практиці така ситуація неможлива -
емпіричні дані за своєю природою завжди
містять помилку, а лінійна модель лише
приблизно описує реальні зв'язки величин.
Отже, система несумісна і її нормальний
узагальнений розв’язок дозволяє знайти
найкращі наближені значення коефіцієнтів
лінійної функції, оскільки в цьому
випадку нев'язка мінімальна. Побудованому
в такий спосіб розв’язку можна дати
геометричну інтерпретацію. Оскільки
,
то лінійна залежність
- це пряма на площині змінних
,
сума квадратів відстаней до якої від
заданих емпіричних точок
мінімальна. Нормальний узагальнений
розв’язок в цьому випадку є розв’язанням
нормальної системи методу найменших
квадратів:
де
Приклад. Для вивчення залежності октанового числа бензину від чистоти каталізатора (%) провели 11 вимірів, наведених нижче.
Таб.1.
Октанове число |
98.8 |
98.9 |
99.0 |
99.1 |
99.2 |
99.3 |
99.4 |
99.5 |
99.6 |
99.7 |
99.8 |
Чистота каталізатора |
87.1 |
86.6 |
86.4 |
87.3 |
86.1 |
86.8 |
87.2 |
88.4 |
87.2 |
86.4 |
88.6 |
Треба знайти коефіцієнти a, b лінійної залежності y = ах + b октанового числа від чистоти каталізатора та обчислити значення октанового числа, якщо чистота каталізатора складає 87%. Фрагмент робочого листа MathCad з відповідними розрахунками наведено на рис.1.
Рис.1.
Вказівка.
Щоб уникнути ручного набору даних
таблиця 1 була скопійована і збережена
у файлі Excel. Потім за допомогою команди
і далі в режимі діалогу збережена як
масив Z. Функції іntersept(x,
у) і slope(x,
у) повертають значення коефіцієнтів a
і b
лінійної функції y = ах
+ b, що апроксимує
експериментальні дані, збережені у
векторах X
і Y.
Значення октанового числа, обчислені
для частоти каталізатора 0.870 по обох
формулах, збігаються. Співпадають і
наведені в останніх рядках робочого
документа коефіцієнти лінійної функції,
обчислені обома способами. На рис. 2
представлені відповідні графіки.
Рис.2.