Метод наименьших квадратов (МНК) разработан в 1795— 1805 гг. А. М. Лежандром и К. Ф. Гауссом и получил название регрессионного анализа. Благодаря развитию вычислительной техники этот метод получил второе рождение. Дело в том, что вычисления по МНК чрезвычайно громоздки. Программы обработки данных МНК содержатся в математическом обеспечении любой профессиональной ЭВМ.
Существенной особенностью является то, что МНК минимизирует абсолютные значения погрешностей аппроксимации, т. е. требуют, чтобы минимальной была сумма квадратов (Дш)2, взятых во всех проверяемых точках данной группы:
Линия, которая определяется МНК, называется линией регрессии, а коэффициенты а, Ъ, с, … (а0, аь …, ак) — коэффициентами линии регрессии.
Прямолинейная интерполяция по методу наименьших квадратов.
Решим предыдущую задачу методом наименьших квадратов. Алгоритм МНК следующий:
1) возвести в квадрат каждое i-e начальное уравнение:
2) результаты сложить почленно при i = 1,2,3,…, п:
3) найти частные производные по а и Ъ от полученной суммы:
4) приравняв к нулю частные производные и сократив на 2, решить полученные два уравнения относительно а и Ъ.
Окончательно.
Примечание. Уравнения, полученные в результате дифференцирования в частных производных, называются нормальными уравнениями.
Отсюда следует, что прямолинейная интерполяция по методу наименьших квадратов сводится к следующим простым операциям:
- 1) умножению левой части каждого начального уравнения на соответствующий коэффициент при первом неизвестном;
- 2) сложению полученных произведений почленно и приравниванию нулю.
Таким образом получают первые нормальные уравнения, число которых равно числу неизвестных. Совместное решение данных уравнений позволяет определить неизвестные параметры а и Ь.
Ответ получается однозначным, в этом состоит преимущество МНК по сравнению с методом средних.
Пример Решим предыдущую задачу по тем же экспериментальным данным, применив МНК.
Подставим значениях и ф в нормальные уравнения:
После сложения произведений получим два нормальных уравнения.
Отсюда а = 0,79 град/мм; b = 37,72 град.
Уравнение интерполирующей прямой ф = 0,79х + 37,72 (рис. 4.10).
Сущность МНК в общем случае.
В результате опыта получают значения xt и у{. Задача состоит в том, чтобы подобрать интерполирующую функцию ут = f (x), обеспечивающую минимальную погрешность интерполяции. Геометрический смысл заключается в проведении плавной кривой ут — f (x), проходящей наиболее близко к опытным отсчетам.
Пусть выбрана модель вида.
1. Для получения системы линейных уравнений относительно искомых параметров а0 — ак необходимо сделать замены X = хьх2 = х2, …, хк = хк.
Рис. 4.10. Пример построения интерполирующих прямых:
- —-по методу средних;——-по методу наименьших квадратов;
- —реальная функция преобразования
Получим модель вида.
2. Между рассчитанными значениями ут и экспериментальными уэ будут отклонения.
3. Находим значения а0, аь а2, ак, при которых по всем к экспериментальным точкам выполняется условие.
или или
4. Необходимо поочередно взять частные производные по а0, аь …, ак и приравнять их к нулю:
5. Получим систему из (к + 1) уравнений, решением которой являются искомые параметры а0, аг, а2, ак.