Ako je metoda najmanjih kvadrata

najmanjih kvadrata metoda (LSM) omogućuje procjenu različite vrijednosti iz rezultata mjerenja u setu koji sadrži slučajne pogreške.

MNCs Značajka

Osnovna ideja ove metode je da su kriteriji točnosti za rješavanje problema smatra se zbroj kvadrata pogrešaka, koje nastoje minimizirati. Kada koristite ovu metodu mogu se koristiti kao numerički i analitički pristup.

Konkretno, kao brojčana primjeni metode najmanjih kvadrata znači obavljanje najveći mogući broj mjerenja nepoznate slučajne varijable. Osim toga, više izračuni, bolje rješenje. Na ovaj set računalstvo (sirovi podaci) dobivena još jedna pluralnost navodna rješenja, od kojih onda je najbolje odabrati. Ako otopina skup parametrima, a zatim je metoda najmanjih kvadrata je smanjen na pronalaženju optimalne vrijednosti parametara.

Kao analitički pristup provedbe MNC na postavljenih ulaznih (mjerenja) i očekivanog otopina koja određuje određeni funkcionalni odnos (funkcionalnim) koji se može izraziti formulom dobije kao hipoteza koja zahtijeva potvrda. U tom slučaju, metoda najmanjih kvadrata je smanjen na pronalaženju minimalno ovaj funkcionalan na setu kvadrata pogrešaka početnih podataka.

Imajte na umu da nema same pogreške, a to su trgovi pogrešci. Zašto? Činjenica da je često mjerenje odstupanja od prave vrijednosti može biti i pozitivan i negativan. Pri utvrđivanju prosječne pogreška mjerenja jednostavnog zbrajanja može dovesti do lažnog zaključka o procjeni kvalitete, jer međusobnog uništenja pozitivnih i negativnih vrijednosti mnoštva nižih mjerenja uzorka moć. I, posljedično, točnost procjene.

Da se to nije dogodilo, a da zbroji kvadratna odstupanja. Čak i više, kako bi se uskladila dimenzija izmjerena vrijednost i konačnu ocjenu zbroja kvadrata pogrešaka izvađen korijen.

Neki MNC aplikacije

MNCs su naširoko koristi u različitim područjima. Na primjer, u vjerojatnost i matematičku statistiku metoda se koristi za određivanje takve karakteristike slučajnih varijabli, kao što su standardne devijacije, koji određuje širinu raspona vrijednosti slučajne varijable.

U matematičkoj analizi i raznim područjima fizike, koristi se za prikaz ili potvrditi ovaj uređaj hipoteza, OLS se posebno koristi za procjenu približnu prikaz funkcije definirane na numeričkom setu, jednostavnijih funkcija priznanja analitički transformaciju.

Druga primjena ove tehnike - odvajanje željenog signala iz šuma prekriva o tome u problemima filtriranja.

Još jedno područje primjene OLS - Ekonometrija. Evo, ova metoda je tako široko koristi da su neke posebne preinake određen za njega.

Većina ekonometrijski problemi, ovaj ili onaj način, svodi na rješavanje sustava linearnih jednadžbi ekonometrijskih opisuju ponašanje pojedinih sustava - strukturnim modelima. Glavni element svakog takvog uzorka - vrijeme serija predstavlja određeni skup osobina, čije vrijednosti ovise o vremena i niz drugih čimbenika. To se može dogoditi između odgovara unutarnjem (endogenog) karakteristike modela i vanjskih (egzogenih) karakteristikama. Ova podudarnost se obično izražava u obliku sustava linearnih jednadžbi ekonomskih.

Obilježje takvih sustava je postojanje odnosa između pojedinih varijabli, koje s jedne strane, otežavaju ga, s druge - pisanje. Što je uzrok nesigurnosti u izboru rješenja takvih sustava. Dodatni čimbenik koji komplicira rješenje takvih problema je ovisnost model parametri s vremena na vrijeme.

Glavna svrha ekonometrijskih problema - identifikacija modela, to je definicija strukturnih odnosa u modelu odabrane, kao i procjena broja parametara.

Recovery ovisnosti u vremenske serije, dijelovi modela može se obavljati, a osobito bilo izravno preko MNC i nekim njihovim izmjenama, kao i druge metode. Posebne izmjene MNC u rješavanju takvih problema posebno razvijen za rješavanje problema koji nastaju u toku numeričko rješenje sustava jednadžbi.

Konkretno, jedan od tih problema je povezana s prisutnošću izvornih ograničenja na parametre koji moraju biti ocijenjeni. Na primjer, privatni prihod poduzeća može biti potrošen na potrošnju ili na njegov razvoj. Prema tome, zbroj dijelova ove dvije vrste troškova očito je jednak 1. sustav jednadžbi ekonometrijskih ti dijelovi mogu biti uključeni neovisno jedni od drugih. Prema tome, moguće je procijeniti različite vrste otpada putem ole, isključujući početnih ograničenja, a zatim ispraviti rezultat. Ovakav način rješenja zove indirektna metoda najmanjih kvadrata.

Neizravni najmanjih kvadrata (ILS) koristi se za precizno određivanje strukturne model. KMNK algoritam uključuje sljedeće korake:

1) Transformacija strukturnog modela na jednostavniji, reduciranom obliku, uvođenjem dodatne funkcije;

2) Procjena s uobičajenim ola smanjen koeficijenata za svaku jednadžbi pojednostavljenom modelu;

3) dobiveni jednostavnim koeficijenti oblika modela mogu se prevesti u parametre početne strukturnog modela.

Važno je napomenuti da je za sverhidentifitsiruemyh sustavi ne KMNK koristi, kao u ovom slučaju, ne može biti zadatak jasnih procjena parametara strukturalnog modela. Takvih modela može se koristiti jedna modifikacija MNC - dva koraka metodom najmanjih kvadrata (KDOM).

KDOM algoritam je kako slijedi:

1) na temelju pojednostavljenom modelu za izračun vrijednosti u jednadžbu sverhidentifitsiruemogo unutarnjih varijabli koje su sadržane u desnoj strani jednadžbe;

2) zamijeniti vrijednosti varijabli umjesto stvarnih relevantnih varijabli u izvornom modelu i ponovno primijeniti OLS.

Detaljni opis neizravan i načinu dva koraka najmanjih kvadrata dan je u mnogim knjigama ekonometrijskih. Posebnost ove metode, kao i OLS, u svojoj svestranosti im omogućuje da procijeni koeficijenata bilo strukturnog modela u bilo domeni.