Усули хурдтарин мураббаъҳо: Муқаддима ва татбиқ дар таҳлили маълумот
Пендахулуан
Усули хурдтарин квадратҳо яке аз усулҳои бунёдӣ ва васеъ истифодашаванда дар таҳлили маълумот, бахусус дар омор ва математикаи амалӣ мебошад. Ин усул барои арзёбии параметрҳое, ки ҷамъи квадратҳои инҳирофҳои мушоҳидашударо аз модели пешниҳодшуда ба ҳадди ақал мерасонанд, равона шудааст. Дар ин мақола, мо мафҳумҳои асосии усули хурдтарин квадратҳо, татбиқи он дар соҳаҳои гуногун ва қадамҳои амалии татбиқи онро баррасӣ хоҳем кард.
Мафҳумҳои асосии усули хурдтарин квадратҳо
Усули хурдтарин квадратҳоро метавон ба таври оддӣ тавассути регрессияи хаттӣ шарҳ дод. Фарз мекунем, ки мо маълумотро дар шакли ҷуфтҳои \((x_i, y_i)\) дорем, ки дар он \(i = 1, 2, …, n \). Модели хаттиро, ки мо мехоҳем созем, метавон чунин ифода кард:
\[ y = \beta_0 + \beta_1 x + \epsilon \]
ки дар он \( \beta_0 \) ва \( \beta_1 \) параметрҳое мебошанд, ки мо мехоҳем арзёбӣ кунем, дар ҳоле ки \( \epsilon \) хато ё боқимондаест, ки интизор меравад миёнаи сифр дошта бошад.
Ҳадафи усули хурдтарин квадратҳо кам кардани функсияи объективии зерин мебошад:
\[ S(\beta_0, \beta_1) = \sum_{i=1}^{n} (y_i – \beta_0 – \beta_1 x_i)^2 \]
Ёфтани параметрҳои оптималӣ: Усули математикӣ
Барои ёфтани арзишҳои параметрҳое, ки функсияи мақсадноки \(S\)-ро ба ҳадди ақал мерасонанд, мо бояд ҳосилаҳои қисман \(S\)-ро нисбат ба \(\beta_0\) ва \(\beta_1\) ҳисоб кунем ва сипас муодилаи зеринро ҳал кунем:
\[ \frac{\partial S}{\partial \beta_0} = -2 \sum_{i=1}^n (y_i – \beta_0 – \beta_1 x_i) = 0 \]
\[ \frac{\partial S}{\partial \beta_1} = -2 \sum_{i=1}^n x_i (y_i – \beta_0 – \beta_1 x_i) = 0 \]
Бо ҳалли ин системаи муодилаҳои хаттӣ, мо метавонем арзёбкунандаҳои \(\hat{\beta_0}\) ва \(\hat{\beta_1}\-ро пайдо кунем:
\[ \hat{\beta_1} = \frac{n \sum_{i=1}^n x_i y_i – \sum_{i=1}^n x_i \sum_{i=1}^n y_i}{n \sum_{i=1}^n x_i^2 – (\sum_{i=1}^n x_i)^2} \]
\[ \hat{\beta_0} = \bar{y} – \hat{\beta_1} \bar{x} \]
ки дар он \(\bar{y}\) ва \(\bar{x}\) мутаносибан миёнаҳои \(y\) ва \(x\) мебошанд.
Татбиқи усули хурдтарин квадратҳо
1. Иқтисод ва молия
Усули мураббаъҳои хурдтарин дар эконометрика барои моделсозии муносибатҳо байни тағирёбандаҳои иқтисодӣ васеъ истифода мешавад. Масалан, як таҳлилгари иқтисодӣ метавонад таъсири сатҳи бекориро ба таваррум моделсозӣ кунад. Бо истифода аз усули мураббаъҳои хурдтарин, таҳлилгар метавонад модели регрессияеро таҳия кунад, ки ду тағирёбандаро бо ҳам мепайвандад ва дар бораи қувват ва хусусияти муносибат хулосаҳои оморӣ барорад.
2. Илмҳои иҷтимоӣ
Дар илмҳои иҷтимоӣ, усули хурдтарин мураббаъҳо аксар вақт дар пурсишҳо ва таҳқиқоти равонӣ барои омӯзиши робитаи байни рафтори инсон ва дигар тағирёбандаҳо истифода мешавад. Мисоли классикӣ регрессияи оддии хаттӣ мебошад, ки сатҳи хушбахтии шахсро бо даромади солонаи онҳо алоқаманд мекунад.
3. Муҳандисӣ
Дар муҳандисӣ, усули хурдтарин квадратҳоро барои калибрченкунии асбобҳо ва коркарди сигнал истифода бурдан мумкин аст. Масалан, дар коркарди тасвирҳои рақамӣ, ин усул барои кам кардани садо дар тасвирҳо тавассути мувофиқ кардани модел дар асоси маълумоти мушоҳидашуда истифода мешавад.
4. Метеорология ва иқлимшиносӣ
Метеорологҳо ин усулро барои таҳлили маълумот дар бораи ҳарорат, боришот ё дигар тағирёбандаҳои обу ҳаво истифода мебаранд. Бо истифода аз моделҳои регрессия, онҳо метавонанд намунаҳои обу ҳаворо дар асоси маълумоти таърихӣ пешгӯӣ кунанд ва ба таҳияи пешгӯиҳои дақиқтар мусоидат кунанд.
Татбиқи амалӣ бо Python
Барои татбиқи усули хурдтарин квадратҳо дар амал, бахусус регрессияи хаттии оддӣ, мо метавонем забони барномасозии Python-ро бо ёрии китобхонаҳои `numpy` ва `matplotlib` истифода барем. Инҷо мисоли рамзест, ки ин равандро нишон медиҳад:
"`питон
numpy -ро ҳамчун np ворид кунед
воридоти matplotlib.pyplot ҳамчун plt
Маълумоти намунавӣ
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 5, 7, 11])
Миёнаи x ва y
mean_x = np.mean(x)
mean_y = np.mean(y)
Параметрҳоро ҳисоб кунед
ҳисобкунак = np.sum((x – mean_x) (y – mean_y))
махраҷ = np.sum((x – mean_x) 2)
b1 = ҳисобкунанда / махраҷ
b0 = миёна_y – b1 миёна_x
Пешгӯӣ y
y_pred = b0 + b1 x
Натиҷаҳои нақша
plt.scatter(x, y, color='blue', label='Observation Data')
plt.plot(x, y_pred, color='red', label='Хатти регрессия')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()
print(f”Коэффитсиентҳои регрессия: b0 = {b0}, b1 = {b1}”)
""
Хулоса
Усули мураббаъҳои хурдтарин як пояи пурқувват ва муҳим дар омор ва таҳлили маълумот аст. Қобилияти он барои кам кардани хатогиҳо ва ба ҳадди аксар расонидани мувофиқати модел онро дар доираи васеи соҳаҳо, аз иқтисод то муҳандисӣ ва илмҳои иҷтимоӣ, хеле муфид мегардонад. Гарчанде ки мафҳуми асосӣ содда аст, ин усулро метавон ба моделҳои мураккабтар, ба монанди регрессияи ғайрихаттӣ, моделҳои таъсири омехта ва омӯзиши мошинӣ, татбиқ кард. Бо дарки хуби усули мураббаъҳои хурдтарин ва таҷрибаи кофӣ, мо метавонем дақиқии таҳлили маълумотро беҳтар кунем ва қарорҳои огоҳона қабул кунем.
Умедворам, ки ин мақола шарҳи равшан ва ҳамаҷонибаи усули хурдтарин квадратҳо ва татбиқи онро пешниҳод мекунад.
