- •Предисловие
- •Введение
- •Пример 1.
- •Пример 2.
- •Глава 1. Анализ данных
- •§1. Состав исходной информации
- •§2. Интерполяционный полином Лагранжа
- •Случай 1.
- •Случай 2.
- •Случай 3.
- •Случай n.
- •§3. Парная линейная регрессия. Метод наименьших квадратов
- •§4. Множественная линейная регрессия
- •§5. Нелинейные модели
- •§6. Системы одновременных эконометрических уравнений
- •Глава 2. Временные ряды §7. Составляющие временного ряда
- •§8. Определение составляющих временного ряда
- •При этом коэффициенты ak, bk будут равны
- •§9. Временной ряд как случайный процесс
- •§10. Модели arima
- •§11. Учет сезонных составляющих
- •Глава 3. Оценка качества спецификации модели §12. Анализ погрешностей исходной информации
- •§13. Доверительные интервалы
- •§14. Расчет погрешностей
- •§15. Коэффициент детерминации
- •§16. Средняя ошибка аппроксимации
- •§17. Принцип максимального правдоподобия. Построение регрессионных моделей при гетероскедастичности ошибок
- •§18. Статистические гипотезы
- •Список литературы
- •Оглавление
§14. Расчет погрешностей
Эмпирические данные часто подвергаются математической обработке – над ними
выполняются арифметические операции сложения, вычитания, умножения и деления, в некоторых случаях производится логарифмирование, возведение в степень и др. Как это может сказаться на погрешности результата?
Покажем, что абсолютная погрешность суммы не превосходит суммы абсолютных погрешностей слагаемых. Пусть S=x+y, причем слагаемые x, y известны с абсолютной погрешностью x, y, так что
,
где a и b – точные значения слагаемых. Для вычисления абсолютной погрешности суммы S оценим разность:
.
Ясно, что в качестве предельной абсолютной погрешности суммы можно принять величину
S = x+y . (14.1)
Аналогично проверяется, что абсолютная погрешность разности двух чисел d=x-y равна сумме абсолютных погрешностей уменьшаемого и вычитаемого: d = x+y. Заметим, что если числа x и y мало отличаются между собой, относительная погрешность их разности d=d / |x-y| может оказаться весьма большой.
При вычислении суммы S=x1+x2+…+xn большого числа слагаемых, имеющих одинаковую абсолютную погрешность , в соответствии с формулой (14.1) имеем
S = n . (14.2)
При n>>1 величина S может оказаться довольно большой. Но эта оценка получается в
предположении,
что ошибки всех слагаемых максимальны
и имеют одинаковый знак, что представляется
мало вероятным. Более естественным
выглядит предположение, что ошибка
является случайной и распределена по
нормальному закону
,
причем ошибки отдельных слагаемых
являются независимыми случайными
величинами. По правилу вычисления
дисперсии сумма независимых случайных
величин находим, что:
или
, так что
.
При больших n (например, n=100) статистическая оценка дает значительно меньшее значение, чем предельная (14.2). Напомним, что отклонение случайной величины S от истинного значения более чем на 2S возможно с вероятностью 0,045 (4,5%), а на 3S – с вероятностью 0,003 или 0,3%.
Для вычисления погрешности произведения и частного двух положительных чисел x, y рассмотрим сначала общий случай функции двух переменных u= f(x,y) (аналогично рассматривается случай функций многих переменных). Пусть переменная x известна с погрешностью x, переменная y – с погрешностью y. Приращение функции u заменим дифференциалом
,
(14.3)
полагая величины x и y достаточно малыми. Отсюда следует, что абсолютная погрешность u функции u оценивается по формуле:
.
(14.4)
В статистической теории предполагают ошибки x и y независимыми случайными величинами. Для дисперсии величины du имеем формулу
.
(14.5)
В случае произведения двух положительных чисел u=xy формула (14.4) дает оценку
,
(14.6)
а по формуле (14.5) получим
.
(14.7)
Для относительной погрешности произведения u= u / xy из формулы (14.6) следует, что
u=x+y , (14.8)
а из формулы (14.7) :
.
(14.9)
Пусть
надо перемножить n
положительных чисел x1,
x2,
…, xn,
заданных с одинаковой относительной
погрешностью . Формула (14.8) дает оценку
u=n
, а по формуле (14.9) получаем
.
Нетрудно убедиться в том, что для относительной погрешности частного U=x/y двух положительных чисел x, y также справедливы формулы (14.8) и (14.9).
Если
требуется найти значение функции U=f(x)
одной переменной x,
то вместо формулы (14.3) имеем (в первом
приближении)
так что
.
Такой же результат следует из
статистического анализа:
.
