《高等数学(微积分)课件--§85高阶偏导数》教学课件.pptVIP

* 练习解答 * 三、最小二乘法 实际背景：在实际中，经常要研究某一现象与影响它的某一最主要 因素的统计思想 1：收入对消费的影响； 2：施肥量对水稻产量的影响； 3：广告对销售量的影响； 4：天气对旷课率的影响； 5：玩游戏对学习成绩的影响； 6：能源短缺对矿井坍塌的影响； 7：连宋大陆行对和平统一的影响 * 步骤(一元线性回归模型) 1：收集数据：n个样本点(x1 ,y1),(x2 ,y2), …, (x n ,y n). 即(x i ,y i),i=1 ,2, …,n. 2: 散点图scatter * 步骤(续) 3：观察散点图，变量x, y具有明显的线性关系。故经过这些样本点画一条适当的直线。 A better procedure is to find the best straight line using a criterion that, for a given set of data, produces the same line regardless of the person doing the fitting. * 一元线性回归模型 y=?0+?1x+ε Y称为被解释变量，x称为解释变量 ε表示除x外，影响y的其他一切因素. ε （error, disturbance）是不可观测的，称为随机误差项或随机干扰项 y与x之间的关系用两部分来描述: a. 一部分?0+?1x ，由x的变化引起y变化 b.另一部分ε ， 由除x外的其他一切因素引起y变化 ?1称为回归系数(slope) ?0 称为回归常数（intercept） * OLSE 参数?0 ， ?1的估计 方法：普通最小二乘估计 OLSE (ordinary least square estimation ) 目的：利用样本数据得到?0 , ?1的理想估计值 原则：使n个样本点最靠近回归直线 例：随机抽样某地区5个家庭的年收入x与年消费y（千元）的资料如表： 收入x 8 11 9 6 6 消费y 7.4 9.8 8 5.3 5.7 * 散点图 * 直观意义 要使样本点最靠近回归直线，考虑观测值y i 与回归值（即平均值）E(y i |xi)= ?0+?1xi的离差的平方和 思考:为什么不考虑∑(y i - E( y i ))， 及∑|y i – E(y i )|? * 最小二乘法名称的由来 样本点最靠近回归直线，就是使离差平方和最小。 * 续 所谓的最小二乘法，就是寻找参数?0，?1的估计值，使定义的离差平方和达到极小 * 最小二乘估计公式的推导 利用二元微积分求极值的知识知： 作为 极值问题解的必要条件是：在 取值时， Q(?0， ?1)关于?0， ?1的偏导数必须为0： 以上方程组称为first order conditions(FOC) * 推导(续) 利用克莱姆法则，得出普通最小二乘估计（OLSE: ordinary least square estimators） 正则方程Normal equations: * 用excel计算 Excel 1:用average,devsq函数一步一步的操作得到估计值 Excel 2:用slope,intercept,linest直接求 具体操作见excel 谢谢！ 浙江财经学院本科教学课程 ----经济数学(一) 微积分 * §8.6多元函数极值与最值 一、多元函数的极值与最值 二、条件极值 三、最小二乘法* * 二元函数极值的定义 设函数z=f(x,y)在点(x0,y0)的某邻域内有定义，对于该邻域内异于(x0,y0)的点(x,y) ：若满足不等式f(x,y)f(x0,y0),则称函数在(x0,y0)有极大值;若满足不等式f(x,y)f(x0,y0) ,则称函数在(x0,y0)有极小值。 极大值、极小值统称为极值. 使函数取得极值的点称为极值点 * 二元函数极值示例 示例1. (1) 示例2. (2) 示例3. (3) * 多元函数取极值的必要条件 定理(必要条件): 设函数z=f(x,y)在点(x0,y0) 偏导数都存在,若其在点(x0,y0)处有极值,则它在该点的偏导数必然为零： 证: 证:同样地,多元函数都有类似性质。 * 驻点与极值点 仿照一元函数，凡能使一阶偏导数同时为零的点，均称为函数的驻点. 驻点 极值点 问题：如何判定一个驻点是否为极值点？ 注意： * 多元函数取极值的充分条件 定理(充分条件): 设函数z=f(x,y)在点(x0,y0)的某邻域内连续、存在二阶连续偏导数,且 记 则f(x,y)在点(x0,y0)处取得极值的条件如下： （1） 时具有极值, （3） 当A0时有极大值,当A0时有极小值; （2） 时没有极值; 不能确定