أمثلة على أسئلة نقاش حول طريقة المربعات الصغرى
طريقة المربعات الصغرى (LEM) هي أسلوب إحصائي يُستخدم لإيجاد خط الانحدار الأمثل الذي يتنبأ بالبيانات بأعلى كفاءة. تُستخدم هذه الطريقة غالبًا في تحليل الانحدار الخطي للكشف عن العلاقة بين المتغيرات المستقلة والتابعة. ستتناول هذه المقالة المفاهيم الأساسية لطريقة المربعات الصغرى، بالإضافة إلى أمثلة وشروحات تفصيلية خطوة بخطوة لفهم أعمق لكيفية عمل هذه الطريقة.
المفاهيم الأساسية لطريقة المربعات الصغرى
تهدف طريقة المربعات الصغرى إلى تقليل مجموع مربعات الفروق بين القيم المرصودة والقيم المتوقعة من نموذج الانحدار. ويمكن كتابة معادلة خط الانحدار الخطي البسيط على النحو التالي:
\[ y = a + bx \]
دي مانا:
- يمثل \( y \) المتغير التابع،
- يمثل \( x \) المتغير المستقل،
- يمثل \( a \) نقطة التقاطع (قيمة \( y \) عندما \( x = 0 \))،
- \( b \) هو ميل الخط (الميل، أو معامل الانحدار).
تقوم طريقة المربعات الصغرى بتقدير المعلمات \( a \) و \( b \) التي تقلل من الدالة التالية:
\[ \text{SSE} = \sum_{i=1}^{n} (y_i – \hat{y_i})^2 \]
حيث SSE هو مجموع مربعات الأخطاء، و \( y_i \) هي القيمة الفعلية، و \( \hat{y_i} = a + bx_i \) هي القيمة المتوقعة.
خطوات طريقة المربعات الصغرى
ولتوضيح المفهوم، سنقوم بحل مسألة مثال تتضمن استخدام طريقة المربعات الصغرى.
مثال على المشكلات
بالنظر إلى البيانات التالية:
| س (ساعات الدراسة) | ص (درجة الامتحان) |
|——————–|——————–|
| 2 | 81 |
| 4 | 93 |
| 6 | 91 |
| 8 | 97 |
| 10 | 103 |
حدد خط الانحدار الخطي الذي يناسب البيانات بشكل أفضل.
مناقشة
1. حساب متوسط \( \bar{x} \) و \( \bar{y} \)
\[
\bar{x} = \frac{\sum x_i}{n} = \frac{2 + 4 + 6 + 8 + 10}{5} = 6
\]
\[
\bar{y} = \frac{\sum y_i}{n} = \frac{81 + 93 + 91 + 97 + 103}{5} = 93
\]
2. حساب المعامل \( b \) (الميل)
يتم حساب المعامل \( b \) بواسطة:
\[
b = \frac{\sum (x_i – \bar{x})(y_i – \bar{y})}{\sum (x_i – \bar{x})^2}
\]
حساب كل مكون:
\[
\sum (x_i – \bar{x})(y_i – \bar{y}) = (2-6)(81-93) + (4-6)(93-93) + (6-6)(91-93) + (8-6)(97-93) + (10-6)(103-93)
\]
\[
= (-4)(-12) + (-2)(0) + (0)(-2) + (2)(4) + (4)(10)
\]
\[
= 48 + 0 + 0 + 8 + 40 = 96
\]
\[
مجموع (x_i – x̄)^2 = (2-6)^2 + (4-6)^2 + (6-6)^2 + (8-6)^2 + (10-6)^2
\]
\[
= (-4)^2 + (-2)^2 + 0^2 + 2^2 + 4^2
\]
\[
= 16 + 4 + 0 + 4 + 16 = 40
\]
لهذا السبب:
\[
ب = 96/40 = 2.4
\]
3. حساب المعامل \( a \) (نقطة التقاطع)
باستخدام متوسط \( \bar{x} \) و \( \bar{y} \):
\[
أ = ص̄ – س̄ = 93 – 2.4 × 6 = 93 – 14.4 = 78.6
\]
4. كتابة معادلة خط الانحدار
باستخدام المعاملات التي تم إيجادها، يمكننا كتابة معادلة خط الانحدار:
\[
ص = 78.6 + 2.4س
\]
التفسير والتحقق
لضمان ملاءمة خط الانحدار هذا، يمكننا حساب قيمة y المتوقعة (\(\hat{y}\)) لكل x في البيانات الأولية، بالإضافة إلى حساب مجموع مربعات الأخطاء (SSE) للتحقق من دقة التنبؤ.
| س | ذ | \(\قبعة{ص}\) | \((ص – \قبعة{ص})^2\) |
|—|—-|————|——————–|
| 2 | 81 | 83.4 | (81-83.4)^2 = 5.76 |
| 4 | 93 | 88.2 | (93-88.2)^2 = 23.04|
| 6 | 91 | 93.0 | (91-93.0)^2 = 4.00 |
| 8 | 97 | 97.8 | (97-97.8)^2 = 0.64 |
|10 |103 |102.6 | (103-102.6)^2= 0.16|
سن اند ساند سبورتس:
\[
SSE = 5.76 + 23.04 + 4.00 + 0.64 + 0.16 = 33.6
\]
مع وجود قيمة صغيرة نسبياً لمجموع مربعات الأخطاء، يمكننا أن نستنتج أن خط الانحدار الناتج عن طريقة المربعات الصغرى هو مناسب بشكل جيد لهذه البيانات.
استنتاج
تُعدّ طريقة المربعات الصغرى أداة تحليل إحصائي فعّالة لتحديد خط الانحدار الأمثل لمجموعة بيانات، مما يقلل من خطأ التنبؤ بناءً على مربع الانحرافات. وباستخدام خطوات حساب المتوسط، وتقدير الميل ونقطة التقاطع، وكتابة معادلة خط الانحدار والتحقق منها، يُمكننا التنبؤ بدقة بقيمة المتغير التابع من المتغيرات المستقلة.
يُعدّ الفهم الجيد لهذه الطريقة مفيدًا للغاية في مجالاتٍ مثل الاقتصاد، والإحصاء الحيوي، والهندسة، والعلوم الاجتماعية، حيث يُستخدم تحليل الانحدار بكثرة. تُبيّن هذه المقالة، من خلال أمثلة عملية، أهمية هذه المنهجية وفائدتها في تحليل البيانات.
