> "К примеру, если у Вас есть веские основания полагать, что на 05.12.1982 года существует более одного значений ОПЖ, то ОПЖ нельзя принимать за непрерывную функцию на всем интервале и соответственно нельзя вычислять на этот момент ее скорость." то это относится к данным, а не к функции.
Вы определение функции читали? Поняли?
> Конечно, но данные бывают и именно такие данные аппроксимируются разрывными функциями.
Не аппроксимируются "такие данные" разрывными функциями, потому что функция для единственного значения аргумента принимает единственное значение. Прочтите определение функции и разрывной функции и примеры изучите.
> Можно и так, но обычно в таком случае прибегают к статистическим методам и работают с усредненными значениями.
МНК это и есть статистический метод и он как раз вычисляет усреднённые значения.
>> "К примеру, если у Вас есть веские основания полагать, что на 05.12.1982 года существует более одного значений ОПЖ, то ОПЖ нельзя принимать за непрерывную функцию на всем интервале и соответственно нельзя вычислять на этот момент ее скорость." то это относится к данным, а не к функции.
>
>Вы определение функции читали? Поняли?
А Вы?
>> Конечно, но данные бывают и именно такие данные аппроксимируются разрывными функциями.
>
>Не аппроксимируются "такие данные" разрывными функциями, потому что функция для единственного значения аргумента принимает единственное значение. Прочтите определение функции и разрывной функции и примеры изучите.
Хорошо, тогда подскажите, какими функциями аппроксимируются такие данные? Например, если у нас данные дают ступеньку, то как ее аппроксимировать?
>> Можно и так, но обычно в таком случае прибегают к статистическим методам и работают с усредненными значениями.
>
>МНК это и есть статистический метод и он как раз вычисляет усреднённые значения.
МНК вычисляет не усредненные значения, а определенную усредненную зависимость, точнее коэффициенты выбранной аппроксимирующей функции. Значения функции, полученной МНК не совпадают с усредненными значениями данных.
>> В разных предметных областях по-разному.
>
>Вы этой предметной областью не владеете.
Предлагаете еще раз круто поругаться?
>> А кто-то с этим спорил?
>
>Вы и спорили. Ещё и нахамили.
Если Вы не умеет читать, что Вам пишут, то правильно нахамил.
> Хорошо, тогда подскажите, какими функциями аппроксимируются такие данные? Например, если у нас данные дают ступеньку, то как ее аппроксимировать?
Так, о какой аппроксимации данных Вы говорите? И о каких "данных" идёт речь? Понять, что именно Вы подразумеваете, затруднительно.
Если у Вас наблюдения переменной (вроде ОПЖ), которые индексируются по времени, то двух наблюдений для одного значения времени у Вас не будет в принципе.
Если в этих данных структурный слом (например, как с ОПЖ до войны и после), то для учёта этого есть различные способы, в частности, можно допустить разные средние значения для различных интервалов времени или в общем случае разные коэффициенты и оценить их из данных (и протестировать их равенство).
Для описания динамики таких переменных никаких аппроксимаций не используют. Используются различные разностные модели, где текущие значения линейно связаны с предыдущими.
> МНК вычисляет не усредненные значения, а определенную усредненную зависимость, точнее коэффициенты выбранной аппроксимирующей функции. Значения функции, полученной МНК не совпадают с усредненными значениями данных.
Нет, МНК вычисляет средние значения. Для дискретных значений зависимой переменной это хорошо видно. МНК делит наблюдения на группы и вычисляет средние для групп. Вы просто теорию не знаете на достаточном уровне. Но не об этом речь.
> Предлагаете еще раз круто поругаться?
Так Вы себя уже высекли с функциями и непрерывностью.
> Если Вы не умеет читать, что Вам пишут, то правильно нахамил.
Учитесь выражаться грамотно и не хамить, когда Вас поправляют.