4
5
4,0
5,0
2,0
5,0
Из рис. 2 (да и из табл. 3) очевидно, что,
во-первых, экстремальное
значение функции наблюдается при х = 3 и что значение функции при этом
минимальное, то есть y
min
= 1.
Ясно, что при всех остальных значениях х
значения функции у будут больше, чем 1.
Данные табл. 3 представим графически на рис. 1.
Рис. 2. График функции (11), исследуемой на экстремум
А теперь сделаем то же самое аналитически. Для этого формулу (11)
необходимо продифференцировать, иначе говоря,
найти первую производную
по х по известному правилу дифференцирования степенных функций, что
записывают так:
y
х
´
= [1 + (x – 3)
2
]
х
´ или более наглядно
dy d
— = —
[1 + (x – 3)
2
] = 0 + 2 (x - 3)
2 - 1
= 2∙ (x – 3)
1
= 2x – 6. (12)
dx
dx
Как мы помним, производная суммы равна сумме производных:
производная постоянной величина – здесь «1» равна нулю, - а производная
степенной функции равна произведению степени функции на ее основание в
График параболы
0
1
2
3
4
5
6
1
2
3
4
5
ось Х
ос
ь У
Ряд1
15
степени, уменьшенной на единицу, что и сделано в выражении (12). Однако
само полученное выражение y
х
´
= 2х – 6 = - 6 + 2х является уравнением
прямой вида у = а + bx, где а = - 6, а b = 2. Эта прямая в общем случае не
является параллельной оси абцисс (тогда бы b = 0), но, исходя из вида
дифференцируемой функции (11) расположена
под углом с тангенсом
наклона 2 (этот угол явно больше 45
о
).
Для того, чтобы установить, является ли функция экстремальной,
полученное выражение для ее первой производной (12) достаточно
самим
приравнять к нулю
(тем самым определяем точку, в которой касательная к
дифференцируемой функции будет параллельна оси Х. И
в этой точке
производная функции точно равна нулю (сами приравняли):
2х – 6 = 0 (13)
В формуле (13) имеем одно уравнение, линейное по отношению к
аргументу х и одно неизвестное. Из (13) находим х
экстр
= 6 / 2 = 3 (что видно и
из содержания табл. 3). Подставляя х
экстр
= 3 в выражение для параболы (11),
получим:
y = f (x) = a + (x - b)
2
= 1 + (3 - 3)
2
= 1 + 0 = 1 = y
экстр
. (14)
Итак, аналитическим путем мы установили, что экстремум степенной
функции вида (11) располагается на плоскости в точке с прямоугольными
координатами (х,y) = (3,1) – см. рис. 2.
Далее
остается установить, является ли значение у = 1 при х = 3 для
функции (11)
максимальным
или
минимальным
по известному «правилу
зонтика»: если вторая производная (от первой производной) выражения (13)
будет отрицательной, то функция (11) достигает в точке х = 3 свое
максимальное
значение; если же положительным, то функция (11) достигает в
той же экстремальной точке
минимальное
значение.
d dy d d d
— (— )
= — (2x – 6) = —
(2∙x
1
) + —
(6) = 2∙x
1 - 1
+ 0 = 2∙1 = 2 > 0. (15)
dx dx dx dx dx
16
Значение второй производной (15) положительно. Следовательно,
функция у при значении х = 3 достигает значения 1 еще по выражению (14)
своего
минимального
значения.
Таким образом, функция (11)
имеет экстремум
в координатах (х, у) = (3;
1), и этот экстремум означает
минимум
этой исследуемой функции. Задача на
поиск экстремума и его характер (максимум или минимум) решена.
Следовательно, располагая только лишь видом функции (11), даже не
визуализируя ее ни в табл. 3, ни на рис. 2, можно определить ее экстремальное
значение (если оно существует) и установить его характер.
Рассмотрение
возможного вопроса о единственности экстремума выходит за рамки данного
фрагмента.
В данном модельном примере (11) коэффициенты а и b известны и равны
1 и 3 – соответственно, значения «х» задаем сами, значения функции «у»
получаем из заданного вида (11). Однако в нашей постановке модельной задачи
все прямо
наоборот
: х и у нам известны (см. табл. 1 и 2), известен вид искомой
прямой,
аппроксимирующей
исходную
дискретную
эмпирическую
информацию (у = а + bx), но неизвестны значения коэффициентов «а» и «b».
Решением задач в такой постановке и занимается
регрессионный анализ
.
Если переменных всего две, одна из которых подразумевается аргументом (х), а
другая функцией (у), то аппарат определения неизвестных коэффициентов
носит названия
парной регрессии
или задачей аппроксимации исходных
эмпирических данных в виде того или иного вида парной зависимости (здесь –
линейной) методом наименьших квадратов (МНК).
Если же аргументов более одного, например, y = f(x
1
, x
2
),
то подобная
задача решается в терминах
множественной регрессии
вида y = а + b
1
x
1
+ b
2
x
2
.
В этой связи рассмотрим механизм парной регрессии,
широко
используемый при формализации в различных областях знания, в том числе и в
социально-экономических исследованиях. Механизм будет рассмотрен на
примере линейной парной зависимости не столько потому, что она наиболее
проста, наглядна, хорошо интерпретирует социально-экономические
17
исследования, но и служит средством линеаризации
всех остальных видов
парных зависимостей при применении к ним МНК, как будет показано далее.
Do'stlaringiz bilan baham: 
