Documente Academic
Documente Profesional
Documente Cultură
grafic apar sub formă de puncte de coordonate (xi , yi). Se numesc t* < tn-2α,atunci τx/y =0 ;
valori / niveluri ajustate sau teoretice, acele valori care urmează să fie t*> tn-2α,atunci τx/y ≠0 ;
generate de model, notate .Ele se obțin după estimarea parametrilor. Se
numesc valori adevărate ale parametrilor acele soluții la care s-ar 4. Modele neliniare
ajunge dacă s-ar cunoaşte toate valorile pe care le iau x, y. Aceste valori Modele neliniare se identifica cu ajutorul functiilor neliniare
se notează cu a şi b, iar numărul total de cazuri cu N. Se numesc valori cum ar fi :exponentiala,logaritmica,parabolica.
estimate ale parametrilor acele soluții care rezultă în urma utilizării
datelor pe care variabilele xi , yi le-au înregistrat într-un eşantion. Tipologia modelelor neliniare.
Aceste soluții se notează cu , iar numărul de cazuri incluse în eşantion 1.)Modele neliniare în raport cu variabilele dar liniare în raport cu
cu n. În marea majoritate a cazurilor se lucrează cu eşantioane, astfel parametrii
încât se obțin, frecvent, estimații. Doar în sfera teoriei ne referim la Parametrii sunt la puterea 1. Aceste modele pot fi convertite în
valori adevărate ale parametrilor. Metoda celor mai mici patrate modele liniare prin transformări corespunzătoare. 36 Exemple:
Validarea modelului. ProducŃia vegetală = a + bX + cX2 + u, unde X este umiditatea solului.
Testarea validităţii modelului presupune parcurgerea următoarelor Pentru X 2 = Z, modelul devine: ProducŃia vegetală = a + bX + cZ + u
etape: PreŃul produsului = a + b(1/Q) + u, unde Q = cantitatea existentă pe
- Testarea validităţii modelului de regresie folosind metoda piaŃă. Pentru 1/Q = Z, modelul devine: PreŃul produsului = a + bZ + u
descompunerii varianţei; ProducŃia industrială Q = AMaK b e u , unde Q = producŃia, M =
- Calculul raportului de corelaţie şi testarea semnificaţiei lui; munca, K = capitalul, e = 2,71... . Se logaritmează şi se notează: lnQ =
- Inferenţa statistică pentru parametrii modelului de regresie; y, lnM = x, lnK = z, lne =1, lnA = c. Modelul devine: y = c + ax + bz +
- Verificarea ipotezelor modelului de regresie. u Pentru fiecare exemplu de model neliniar s-a ajuns la o formă liniară
de reprezentare, abordabilă în ceea ce priveşte estimarea parametrilor
Predicţia punctiformă şi în intervale de încredere prin metoda celor mai mici pătrate.
.2) Modele neliniare, neabordabile prin MCMMP
Variantele neliniare neabordabile prin metoda celor mai mici
pătrate sunt fie modele neliniare în raport cu parametrii (cel puțin un
parametru e la o putere diferită de 1), fie în raport cu parametrii, dar şi
cu variabilele, fie reprezentări în care variabila reziduală este inclusă în
model într-o formă care împiedică liniarizarea. Exemple Funcția de cost
de forma: unde b este la puterea 1/2, model neliniar în parametrul b.
Funcțiile de consum de forma: y = a + bX + u y = aX + a Z + u 2 37
model neliniar în parametrul a. sau: sau: Funcția de producție: unde
variabila reziduală u este inclusă în variantă aditivă, ceea ce face
dificilă liniarizarea. În astfel de situații nu se recomandă utilizarea
MCMMP, din următoarele motive: • pentru reprezentările în care cel
puțin un parametru apare la o putere diferită de 1, nu este sigur că
estimațiile sunt compatibile cu un minim global în ce priveşte suma
pătratelor reziduurilor; • pentru reprezentările în care modalitatea de
includere a variabilei reziduale nu permite liniarizarea, nu pot fi
argumentate prezumțiile conform cărora variabila reziduală este normal
distribuită, având media egală cu zero şi dispersia finită şi relativ
constantă pe segmente de valori. Pentru obținerea de estimații privind
parametrii se apelează la algoritmi care aplică metode numerice în
vederea obținerii de soluții în cazurile de neliniaritate.
Etapele algoritmului 1. Inițializarea parametrilor; 2. Determinarea
sumei pătratelor valorilor reziduale obținute; 3. Modificarea valorilor
ultimelor estimații, astfel încât suma să se diminueze; 4. Se compară
ultima sumă cu cea anterior obținută şi se reia procesul de la pasul 3
până când mărimea sumei converge spre o valoare stabilă. y a bx u c =
+ + u e y ax b + + = + 1 1 y ax z u b c = + 38 3.5 Variabile calitative în
Liniarizarea.
Când — din consideraţii teoretice ori din studierea diagramei de
împrăştiere
— observăm că dependenţa nu este de tip liniar, o funcţie
neliniară trebuie să fie utilizată pentru a descrie legătura dintre
caracteristici