Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Podobne dokumenty
Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Wnioskowanie statystyczne dla korelacji i regresji.

FUNKCJE DWÓCH ZMIENNYCH

Linie regresji II-go rodzaju

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Opracowanie wyników pomiarów

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

REGRESJA LINIOWA. gdzie

Statystyka. Katarzyna Chudy Laskowska

Laboratorium fizyczne

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

RACHUNEK NIEPEWNOŚCI POMIARU

Strona: 1 1. CEL ĆWICZENIA

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Niepewności pomiarów. DR Andrzej Bąk

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

Materiały do wykładu 7 ze Statystyki

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

STATYSTYKA MATEMATYCZNA

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

RACHUNEK NIEPEWNOŚCI POMIARU

Podstawy opracowania wyników pomiarowych, analiza błędów

RACHUNEK NIEPEWNOŚCI POMIARU

Projekt 2 2. Wielomiany interpolujące

METODY KOMPUTEROWE 1

Natalia Nehrebecka. Dariusz Szymański

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

MODEL SHARP A - MIARY WRAŻLIWOŚCI

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Analiza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI)

RACHUNEK NIEPEWNOŚCI POMIARU

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji

Planowanie eksperymentu pomiarowego I

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

II. ĆWICZENIA LABORATORYJNE

Regresja REGRESJA

Wyrażanie niepewności pomiaru

Statystyka. Teoria błędów. Wykład IV ( )

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

Analiza błędów pomiarowych Pomiar pomiarów bezpośrednich pośrednich

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Projekt 3 3. APROKSYMACJA FUNKCJI

BADANIE DRGAŃ RELAKSACYJNYCH

Statystyka powtórzenie (II semestr) Rafał M. Frąk

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

Zastosowanie szeregów potęgowych do rozwiązywania równań różniczkowych

Zaawansowane metody numeryczne

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.

ma rozkład normalny z nieznaną wartością oczekiwaną m

Statystyka powtórzenie (II semestr) Rafał M. Frąk

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

będą niezależnymi zmiennymi losowymi o tym samym 2 x

STATYSTYKA MATEMATYCZNA

ZASTOSOWANIE PODEJ CIA WEKTOROWEGO DO ZADA PROGNOZOWANIA

11. Aproksymacja metodą najmniejszych kwadratów

MATEMATYKA. Sporządził: Andrzej Wölk

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

ZAGADNIENIE TRANSPORTOWE

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

Wymiarowanie przekrojów stalowych

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Prawdopodobieństwo i statystyka r.

Statystyka Inżynierska

KALIBRACJA NIE ZAWSZE PROSTA

Sprawozdanie powinno zawierać:

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

Przykładowe zadania dla poziomu rozszerzonego

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

= n = = i i. Sprawdzenie istotności współczynnika korelacji ρ dla populacji na podstawie współczynnika r

MODELE OBIEKTÓW W 3-D3 część

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

5. OPTYMALIZACJA NIELINIOWA

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

. Wtedy E V U jest równa

PRZEGLĄD NAJPROSTSZYCH METOD OPRACOWANIA WYNIKÓW POMIARÓW. dr Michał Januszczyk Zakład Fizyki Medycznej, Wydział Fizyki UAM

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

(x 1 y 1 ) (x n y n ) 2. 1<j<m x i y i. x2 y 2 gdy x 1 = y 1 x 2 y 2 + x 1 + y 1 gdy x 1 = y 1. gdy x, y, 0 nie są współliniowe

System finansowy gospodarki

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

Transkrypt:

Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US

Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej a kostrukcja prostej teoretczej przkład trasformacja fukcj elowch

Regresja lowa a czm polega? Jeśl merzoe dwe welkośc zwązae są ze soą rówaem lowm = a + to orazem grafczm jest la prosta. Wkoując pomarów welkośc uzskujem par lcz (, ) Pukt o współrzędch są rozrzucoe a pewm oszarze. Regresja lowa to: ustalae prawdłowośc rozrzutu puktów czl: dopasowae prostej do zoru puktów dośwadczalch szukae rówaa l prostej (tj parametrów a ), ajlepej "pasującej" do tch puktów.

a) ) Rs. dla ajlepszego dopasowaa l prostej do puktów pomarowch, w te sposó a suma kwadratów odległośc od l ła mmala a) przpadek porówwalch epewośc pomaru ; ) a) przpadek pomjale małch epewośc pomaru welkośc.

Postulat Gaussa Wkoując pomarów welkośc ędącch w zależośc lowej = a + uzskujem par lcz (, ) grafczm orazem są pukt rozrzucoe a pewm oszarze, ekoecze a l prostej! Rozeżość wku pomaru wartośc teoretczej z rówaa = a + wka z epewośc pomarowej moża zapsać w postac: = (a + ) dopasowae metodą regresj lowej ozacza, że wrażee ( a ) m

Metoda ajmejszch kwadratów?? a f m

Regresja lowa polega a zalezeu parametrów a prostej = a + takch a spełał postulat Gaussa a gdze a współczk regresj lowej. = mmum, tj. a suma kwadratów różc mędz wartoścam zmerzom olczom ła jak ajmejsza (prz założeu, że wszstke pukt pomarowe oarczoe są jedakowm epewoścam przpadkowm o rozkładze Gaussa) Współczk a wprowadzee f ( a, ) a Jeśl = m to zacz że: f ( a, ) f 0 a ( a, ) 0,

Po zróżczkowau otrzmujem układ rówań: 0 ) ( a a 0 ) ( Po rozwązau układu rówań otrzmuje sę wzor a współczk a, gdze =,,3,...,, ( jest loścą par puktów (, )). a a a a S ) ( a S S a a f ), ( 0 ), ( 0, ), ( a f a a f

Metoda ajmejszch kwadratów wzor dla parametrów regresj lowej a

gdze: a d S a d d S Metoda ajmejszch kwadratów wzor dla odchlea stadardowego parametrów regresj lowej

Współczk korelacj lowej Pearsoa r ezwmarow wskaźk z przedzału [, ] określając stopeń lowej zależośc mędz zmem losowm. r Dla olczeń komputerowch przdat jest wzór Warukem stosowaa regresj lowej jest a wartość ezwględa współczka r ła lska.

Przkładowe wkres dach (, ) odpowadające m wartośc współczka korelacj lowej Pearsoa Źródło: Wkpeda: Współczk korelacj Pearsoa, https://pl.wkpeda.org/wk/wsp%c3%b3%c5%8czk_korelacj_pearsoa#pozom_korelacj ch_terpretacja

Aalza dach pomarowch Regresja lowa. Wkorzstae arkusza kalkulacjego. Metoda Najmejszch Kwadratów

Regresja lowa klascza (metoda ajmejszch kwadratów) Jeżel pomędz dwema welkoścam fzczm wstępuje zależość lowa to regresja lowa jest prostą metodą wzaczea parametrów ajlepej dopasowaej prostej. Parametr prostej określoej rówaem = m + wzaczam prz użcu ogóle dostępch (dość złożoch) wzorów. Zając współczk m regresj lowej oraz współczk korelacj (Pearsoa) r moża, korzstając z poższch wzorów, olczć epewośc pomaru (odchlea stadardowe) tpu A (statstcze) / r u A ( m) m, u A ( ) u A ( m). / Wartośc współczków charakterzującch prostą dla regresj lowej szko otrzmam korzstając z fukcj wudowach w arkuszu kalkulacjm. Współczk korelacj lowej Pearsoa r ezwmarow wskaźk z przedzału [, ] określając stopeń lowej zależośc dwóch zestawów dach. Składa w Ecelu: =PEARSON(talca;talca).

Współczk regresj lowej, składa w Ecelu: m: =NACHYLENIE(zae_;zae_); : =ODCIĘTA(zae_;zae_) Uwaga: zwrócć uwagę, że a perwszm mejscu jest a a drugm. Wartośc: m, u A (m) u A () oraz r u(r) otrzmam korzstając z ardzej wszechstroej fukcj talcowej REGLINP, która zwraca talcę wartośc. Składa: =REGLINP(zae_;zae_;stała;statstka). Stała argumet opcjoal; domśla wartość PRAWDA ozacza ormale lczee wartośc wpółczka ; wartość FAŁSZ wmusza, to stała = 0 (wartość m jest dopasowaa do dach tak, a spełć rówae = m), tak jest w aszm przpadku. Statstka argumet opcjoal. Jeżel dla wśwetlea wartośc fukcj ozaczm oszar kolum a wersze (3 wersze) wartoścą jest: PRAWDA, to fukcja w kolejch werszach zwraca kolejo: m, u A (m) u A () prz zazaczeu oszaru z werszam (oraz r u(r) prz zazaczeu oszaru z 3 werszam). FAŁSZ lu argumet został pomęt, to fukcja zwraca jede wartośc współczków m. A użć fukcję REGLINP trzea: () zazaczć oszar w którm ma sę zaleźć wk; () wpsać azwę fukcj; () zatwerdzć jej wprowadzae komacją klawsz Ctrl+Shft+Eter. Na temat wszstkch statstk, geerowach przez fukcję REGLINP moża przecztać w Pomoc. Uwaga. W arkuszu kalkulacjm jest wkorzstaa tzw. ormala metoda ajmejszch kwadratów, pojawa sę ptae a le ta metoda, w porówau do prostej regresj ortogoalej z rs. odręczego, jest zgoda.

Przkład utworzea wkresu I = I (U) z zazaczeem odcków epewośc a podstawe dach z dośwadczea: Dośwadczale potwerdzee prawa Ohma Szczegół patrz: M. Djak, Istrukcja właścwego wkoaa wkresów a zajęca ddaktcze Taela: Dae pomarowe U, I z wartoścam epewośc graczch dla merków cfrowch Lp. U, mv 0,5 % {U} + 0, mv I, ma 0,8 % {I}+ 0,0 ma. 0,0 0,0 0,00 0,0. 7,4 0,47,07 0,0 3. 5,0,35 6,86 0,44 4. 57,5,98 5,60 0,88 5. 60,3 3, 6,30 0,9 6. 67,7 3,49 8,60,03 7. 88,3 4,5 4,0,3 8. 5,0 5,85 3,0,66 9. 0,0 6,0 3,70,74 0. 57,5 7,98 43,30,7 {W} wartość lczowa welkośc fzczej W

Rs. Wkres zależośc atężea prądu I od przłożoego apęca U dla przewodka. Przedstawoo zależośc dla klku długośc połączeń drutów oporowch. Zazaczoe są odck epewośc. Szczegół patrz: M. Djak, Istrukcja właścwego wkoaa wkresów a zajęca ddaktcze

Grafcza ocea parametrów l, rówoległook epewośc pomaru.

Prosta teoretcza Prostą o achleu a przecającą oś w pukce azwam prostą teoretczą. Ta prosta o wlczoch parametrach a jest rezultatem ajlepszego uśredea wków. Wkoując wkres ależ aeść prostą teoretczą a astępe pukt pomarowe. Wada metod: W wku olczeń otrzmuje sę wartośc a awet wted, gd merzoe wartośc e są lowo zależe. Przkład:. s = f (t), s = vt = s, = t, a = v, 0. V = f (t), V = V 0 + at = V, = t, a = a, = V 0 3. R = f (t), R = R 0 ( + t) = R, = t, a = R 0, = R 0 4. = f (t), = k T, dc = /d, = c, a = k T, 5. T = f (R, C), T = krc = T, = RC, a = k, 0

Przkład opracowaa dach metodą regresj lowej R = R 0 ( + T) zależość rezstacj od temperatur R = f (T) T, K 9 38 50 65 80 R, 50 59 70 75 85 Zaleźć rówae prostej ajlepej pasującej do tch dach lp T, K R,. wzór: R = R 0 ( + T) R = R 0 + R 0 T. zaleźć 3. sporządzć taelę 9 50 38 59 3 50 70 4 65 75 5 80 85 9 50 9 50 =5 =839 = 43567 = 4930 = 453

4. podstawć wartośc: = 5, = 839, = 43567, = 4930, =453 do wzorów a a,, S a S : a = 0,5748; = 38,83; S a = 0,039; S =,5 5. zapsać wzor końcowe a a a = (0,57 0,04) K, = (38,8,) 6. zapsać rówae regresj lowej = 0,57 + 38,8 R = R 0 T + R 0 czl R = 0,57T + 38,8 7. sporządzć wkres R = f (T) = T, = R a = R 0 = R 0 8. aeść a wkres epewośc proste m ma m = (a S a ) + S, ma = (a + S a ) + + S

= a +, dla dowolego z pomarów oraz a olczoch metodą regresj wlczam. Mam dwa pukt (0,) (,) prowadzę prostą teoretczą. 90 80 70 R, = 0,5748 + 38,83 R = 0,9863 R = f (T) 60 50 40 pomar teora 30 T, K 0 0 0 30 40 50 60 70 80 90

Trasformacja fukcj elowch do fukcj lowch S at S = f(t ) S =, /a = a, t =. E T 4 E = f(t) le = l + 4lT Q Q e 0 t RC le =, l =, 4 = a, lt =. Q = f(t) lq = lq 0 t/rc lq =, lq 0 =, -/RC = a, t =