Рекомендуемая категория для самостоятельной подготовки:
Реферат*
Код |
311581 |
Дата создания |
08 июля 2013 |
Страниц |
17
|
Мы сможем обработать ваш заказ (!) 24 апреля в 14:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
Оглавление
Введение
1.Метод градиентного спуска
2.Метод Ньютона
3.Метод Ньютона-Гаусса
4.Методы, не использующие вычисления производных
5.Способы нахождения начального приближения
6.Вопросы существования и единственности МНК-оценки
Заключение
Литература
Введение
Нелинейный метод наименьших квадратов
Фрагмент работы для ознакомления
Такой подход к оценке коэффициентов уравнения регрессии получил название нелинейного метода наименьших квадратов.
Наибольшее распространение в настоящее время получили алгоритмы итерационного типа
, (3)
где s номер итерации; ds вектор, определяющий направление движения на s-й итерации; rs длина шага; bs оцениваемый параметр уравнения регрессии.
Идея, лежащая в основе этих алгоритмов, очень проста: на каждом шаге двигаться в направлении минимума функции J. Различные алгоритмы отличаются способом выбора этого направления и правилами выбора длины шага.
Т.о. целью работы является рассмотрение основ нелинейного метода наименьших квадратов и особенностей его применения. Для достижения цели работы необходимо решить следующие задачи:
охарактеризовать нелинейные методы используемыедля нахождения оценок коэффициентов уравнения регрессии;
охарактеризовать способы нахождения начального приближения оценок коэффициентов уравнения регрессии;
рассмотреть условия существования и единственности МНК-оценок Заключение
1. При исследовании параметрических моделей регрессии наиболее распространенным типом оптимизируемого (с целью нахождения оценок неизвестных значений параметров регрессии) критерия адекватности модели является взвешенный (или обобщенный) критерий наименьших квадратов (см. (1), (2)). Следует стремиться к построению таких вычислительных алгоритмов решения оптимизационных задач, которые наряду с решениями этих задач значениями оценок в неизвестных параметров b, давали бы необходимые характеристики их точности (оценки элементов ковариационных матриц, доверительные области и т. п.).
2. Наибольшее распространение среди методов поиска оценок наименьших квадратов получили алгоритмы итерационного типа, позволяющие на каждой следующей ((s + 1)-й) итерации получать приближенные значения bS+1 искомых оценок параметров, лежащие «ближе» к истинному решению b* соответствующей оптимизационной задачи, чем значения bs предыдущей итерации. Если движение осуществляется в направлении под острым углом к антиградиенту оптимизируемой функции, то алгоритм относится к классу алгоритмов квазиградиентного типа.
3. Если движение в итерационной процедуре уточнения значений оценок параметров осуществляется непосредственно в направлении антиградиента, то процедуру относят к алгоритмам градиентного спуска. Подобные алгоритмы обеспечивают (при определенных ограничениях на минимизируемую функцию) сходимость последовательности Gs со скоростью геометрической прогрессии (линейная сходимость). Из-за того, что реальная скорость сходимости таких алгоритмов резко снижается при приближении 6S к предельному значению b*, градиентный спуск целесообразно применять лишь на начальных этапах минимизации, используя найденные в результате сравнительно небольшого числа итераций величины bS в качестве начальных приближений для более сложных методов, обладающих большей скоростью сходимости.
Список литературы
"Литература
1.Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. ? М.: ЮНИТИ, 1998.
2.Демиденко Е. 3. Линейная и нелинейная регрессии. — М.: Финансы и статистика, 1981. ? 302 с.
3.Доугерти К. Введение в эконометрику: Пер. с англ. ? М.: Инфра-М, 1997.
4.Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов // Под ред. проф. Н.Ш. Кремера. ? М.: Юнити-Дана, 2005. ? 311 с.
5.Магнус Я.Р., Катышев Л.К., Пересецкий А.А. Эконометрика. Начальный курс. ? М.: Дело, 2000.
6.Прикладная статистика: Исследование зависи¬мостей: Справ, изд. / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин; Под ред. С. А. Айвазяна. ? М.: Финансы и статистика, 1985. — 487 с.
7.Успенский А. Б., Федоров В. В. Вычислительные аспекты метода наименьших квадратов при анализе и планировании регрессионныхэкспериментов. ? М.: МГУ, 1975. ? 168 с.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00906