Příloha č. 1 Grafy a protokoly výstupy z adstatu

Podobné dokumenty
Tabulka č. 1 95%ní intervaly Úsek Směrnice model L1 L2 L1 L2 Leco1-0, , , ,15618 OES -0, , , ,21271

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Semestrální práce. 2. semestr

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Tvorba lineárních regresních modelů

Semestrální práce. 2. semestr

Univerzita Pardubice

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Úloha 1: Lineární kalibrace

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Kalibrace a limity její přesnosti

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

III. Semestrální práce

Tvorba lineárních regresních modelů při analýze dat

UNIVERZITA PARDUBICE

Aproximace křivek a vyhlazování křivek

Tvorba nelineárních regresních

Kalibrace a limity její přesnosti

Inovace bakalářského studijního oboru Aplikovaná chemie

Licenční studium Galileo: Statistické zpracování dat. Tvorba lineárních regresních modelů při analýze dat. Semestrální práce

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

FAKULTA CHEMICKO-TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE. Semestrální práce z CHEMOMETRE. TOMÁŠ SYROVÝ 4.ročník

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

UNIVERZITA PARDUBICE

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

6. Lineární regresní modely

Tvorba lineárních regresních modelů při analýze dat

Kalibrace a limity její přesnosti

2.2 Kalibrace a limity její p esnosti

Semestrální práce. 2. semestr

Tvorba nelineárních regresních modelů v analýze dat

Kalibrace a limity její přesnosti

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

6. Lineární regresní modely

http: //meloun.upce.cz,

Fakulta chemicko technologická Katedra analytické chemie

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

PRAVDĚPODOBNOST A STATISTIKA

Tvorba nelineárních regresních modelů v analýze dat

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Semestrální práce z CHEMOMETRIE I Statistické zpracování jednorozměrných dat

6. Lineární regresní modely

Statistická analýza jednorozměrných dat

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

VÍCEROZMĚRNÝ STATISTICKÝ SOUBOR

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

PRAVDĚPODOBNOST A STATISTIKA

UNIVERZITA PARDUBICE

Statistická analýza jednorozměrných dat

UNIVERZITA PARDUBICE

Licenční studium Galileo: Statistické zpracování dat. Kalibrace a limity její přesnosti. Semestrální práce

6.2 Validace nové analytické metody

LINEÁRNÍ REGRESE. Lineární regresní model

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

Semestrální práce str. 1. Semestrální práce. 2.1 Tvorba lineárních regresních modelů při analýze dat. 2.3 Kalibrace a limity její přesnosti

Tvorba nelineárních regresních modelů v analýze dat

12. licenční studium Statistické zpracování dat při managementu jakosti. Lenka Hromádková

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Univerzita Pardubice Fakulta chemicko-technologická. Licenční studium Statistické zpracování dat

6. Lineární regresní modely

Úlohy. Kompendium 2012, Úloha B8.01a, str. 785, Model y = P1 * exp( P2/(B801x + P3)

Posouzení linearity kalibrační závislosti

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Menu: QCExpert Nelineární regrese Modul nelineární regrese slouží pro tvorbu a analýzu explicitních nelineárních regresních modelů v obecném tvaru

Regresní analýza. Eva Jarošová

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

S E M E S T R Á L N Í

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

Korelační a regresní analýza

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Regresní a korelační analýza

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI. Předmě t KALIBRACE A LIMITY JEJÍ PŘ ESNOSTI

odpovídá jedna a jen jedna hodnota jiných

2.1 Tvorba lineárních regresních

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

Regresní a korelační analýza

6. Lineární regresní modely

Lineární regrese. Komentované řešení pomocí MS Excel

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

4EK211 Základy ekonometrie

Analýza rozptylu ANOVA

Úvodem Dříve les než stromy 3 Operace s maticemi

Plánování experimentu

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

6. Lineární regresní modely

Transkript:

1 Příklad 3. Stanovení Si metodou OES Byly porovnávány naměřené hodnoty Si na automatickém analyzátoru OES s atestovanými hodnotami. Na základě testování statistické významnosti regresních parametrů (úseku a směrnice) byla určena velikost systematické chyby metody, která se rovná velikosti úseku a dále správnost metody, pro kterou by směrnice měla být 1. Data: křemík, atest x [%], naměřeno y[%] 0,010 0,006, 0,025 0,028, 0,026 0,023, 0,035 0,032, 0,052 0,044, 0,057 0,061, 0,084 0,083, 0,10 0,096, 0,123 0,130, 0,13 0,14, 0,14 0,15, 0,15 0,16, 0,18 0,19, 0,19 0,19, 0,20 0,21, 0,22 0,22, 0,23 0,23, 0,25 0,25, 0,26 0,26 Program: ADSTAT 2.0: Lineární regrese Řešení: Pomocígrafů vlivných bodů nebyly identifikovány významné odlehlé body a extrémy viz. grafy č. 1 5. Testováním regresního tripletu byla prokázána správnost navrženého modelu. Metodou nejmenších čtverců byl určen odhad parametru úseku b 0 a odhad parametru směrnice b 1. 95-% intervaly spolehlivosti parametru úseku b 0 a parametru směrnice b 1 obsahují nulu a jedničku, a tudíž úsek nelze považovat za významně odchýlený od nuly a směrnici lze považovat za jednotkovou viz tabulka č. 1. Graf č. 6 znázorňuje konstrukci 95 %ních pásů spolehlivosti predikce pro daný regresní model. Grafy a protokol jsou uvedeny vpříloze č. 1. Tabulka č. 1 Odhady parametrů 95% ní intervaly spolehlivosti Rozptyl predikce parametr b 0 b 1 úseku směrnice D(y pi ) hodnota -0,000773 1,0226-0,00598 0,00443 0,9884 1,0568 0,00030 Závěr: r = 0,9979, D = 99,56 %, y = -0,00077 (0,0025, A) + 1,0226 (0,016)*x, 0 o, 0 e. Naměřené hodnoty Si se statisticky významně neliší od atestovaných hodnot, a tudíž metodu OES lze považovat za správnou a přesnou. Příloha č. 1 Grafy a protokoly výstupy z adstatu

2 Graf č. 1. Graf predikovaných reziduí (GPR) Graf č. 2. Pregibonův graf(pg)

3 Graf č. 3. Williamsův graf (WG) Graf č. 4.McCullohův-Meeterův graf (MMG)

4 Graf č. 5. L-R graf Graf č. 6.Regresnímodel

5 LINEÁRNÍ REGRESE Regresní diagnostika Název: Validace analytické metody OES VSTUP (1) ZVOLENÁ STRATEGIE REGRESNÍ ANALÝZY: Omezení, P : 1E-34 Transformace : Ne Váhy : Ne Absolutní člen zahrnut : Ano (2) PODMÍNKY A KVANTILY PRO STATISTICKÉ TESTY: Hladina významnosti, alfa : 0.050 Počet bodů, n :19 Počet parametrů, m :1 Kvantil Studentova rozdělení t(1-alpha/2,n-m) : 2.110 Kvantil rozd. Chí-kvadrát Chi-square(1-alpha,m) : 5.991 Jméno výstupního souboru : pr3.txt (3) VSTUPNÍ DATA Matice X : ( 1, 1, 19, 1) s0001 Vektor Y : ( 1, 2, 19, 2) s0002 1 2 3 4 5 x1 1.0000E-02 2.5000E-02 2.6000E-02 3.5000E-02 5.2000E-02 y 6.0000E-03 2.8000E-02 2.3000E-02 3.2000E-02 4.4000E-02 6 7 8 9 10 x1 5.7000E-02 8.4000E-02 1.0000E-01 1.2300E-01 1.3000E-01 y 6.1000E-02 8.3000E-02 9.6000E-02 1.3000E-01 1.4000E-01 11 12 13 14 15 x1 1.4000E-01 1.5000E-01 1.8000E-01 1.9000E-01 2.0000E-01 y 1.5000E-01 1.6000E-01 1.9000E-01 1.9000E-01 2.1000E-01 16 17 18 19 x1 2.2000E-01 2.3000E-01 2.5000E-01 2.6000E-01 y 2.2000E-01 2.3000E-01 2.5000E-01 2.6000E-01

6 VÝSTUP (1) PŘEDBĚŽNÁ STATISTICKÁ ANALÝZA: Proměnná Průměr Směrodatná Párový korelační Spočtená odchylka koeficient hladina výz. y 1.3174E-01 8.3897E-02 1.0000 ----- x1 1.2958E-01 8.1867E-02 0.9979 0.000 Párové korelační koeficienty mezi dvojicemi Spočtená vysvětlujících proměnných hladina významnosti (2) INDIKACE MULTIKOLINEARITY: Č Vlastní čísla Čísla podmí- Variance inflation Vícenás.korel. [j] korel. matice l[j] něnosti K[j] factor VIF[j] koef pro X[j] 1 1.0000E+00 1.0000E+00 1.0000E+00 0.0000 Maximální číslo podmíněnosti K : 1.0000E+00 (K[j], K > 1000 indikuje silnou multikolinearitu) (VIF[j] > 10 indikuje silnou multikolinearitu) (3) ODHADY PARAMETRŮ A TESTY VÝZNAMNOSTI: Parametr Odhad Směrodatná Test H0: B[j] = 0 vs. HA: B[j] <> 0 odchylka t-kriterium hypoteza H0 je Hlad. výz. B[ 0] -7.7251E-04 2.4657E-03-3.1330E-01 Akceptována 0.758 B[ 1] 1.0226E+00 1.6209E-02 6.3090E+01 Zamítnuta 0.000 (4) STATISTICKÉ CHARAKTERISTIKY REGRESE: Vícenásobný korelační koeficient, R : 9.9787E-01 Koeficient determinace, R^2 : 9.9575E-01 Predikovaný korelační koeficient, Rp^2 : 9.9741E-01 Střední kvadratická chyba predikce, MEP : 3.4553E-05 Akaikeho informační kritérium, AIC :-1.9494E+02 (5) ANALÝZA KLASICKÝCH REZIDUÍ: Bod Meřená Predikovaná Směrodatná Klasické Relativní hodnota hodnota odchylka reziduum reziduum i yexp[i] yvyp[i] s(yvyp[i]) e[i] er[i] 1 6.0000E-03 9.4536E-03 2.3292E-03-3.4536E-03-5.7561E+01 2 2.8000E-02 2.4793E-02 2.1311E-03 3.2071E-03 1.1454E+01 3 2.3000E-02 2.5815E-02 2.1182E-03-2.8155E-03-1.2241E+01 4 3.2000E-02 3.5019E-02 2.0046E-03-3.0190E-03-9.4344E+00 5 4.4000E-02 5.2403E-02 1.8026E-03-8.4035E-03-1.9099E+01 6 6.1000E-02 5.7517E-02 1.7470E-03 3.4835E-03 5.7106E+00 7 8.3000E-02 8.5127E-02 1.4880E-03-2.1271E-03-2.5628E+00 8 9.6000E-02 1.0149E-01 1.3777E-03-5.4890E-03-5.7177E+00 9 1.3000E-01 1.2501E-01 1.2960E-03 4.9909E-03 3.8391E+00 10 1.4000E-01 1.3217E-01 1.2916E-03 7.8326E-03 5.5947E+00 11 1.5000E-01 1.4239E-01 1.3026E-03 7.6064E-03 5.0710E+00 12 1.6000E-01 1.5262E-01 1.3333E-03 7.3803E-03 4.6127E+00

7 13 1.9000E-01 1.8330E-01 1.5284E-03 6.7018E-03 3.5273E+00 14 1.9000E-01 1.9352E-01 1.6209E-03-3.5243E-03-1.8549E+00 15 2.1000E-01 2.0375E-01 1.7237E-03 6.2495E-03 2.9760E+00 16 2.2000E-01 2.2420E-01 1.9535E-03-4.2027E-03-1.9103E+00 17 2.3000E-01 2.3443E-01 2.0779E-03-4.4289E-03-1.9256E+00 18 2.5000E-01 2.5488E-01 2.3405E-03-4.8812E-03-1.9525E+00 19 2.6000E-01 2.6511E-01 2.4773E-03-5.1073E-03-1.9644E+00 Rezidualní součet čtverců, RSC Průměr absolutních hodnot reziduí, Me Průměr relativních reziduí, Mer Odhad reziduálního rozptylu, s^2(e) Odhad směrodatné odchylky reziduí, s(e) Odhad šikmosti reziduí, g1(e) Odhad špičatosti reziduí, g2(e) : 5.3883E-04 : 4.9950E-03 : 8.3689E+00 : 3.1696E-05 : 5.6299E-03 : 2.6256E-01 : 1.4919E+00 (6) TESTOVÁNÍ REGRESNÍHO TRIPLETU (DATA + MODEL + METODA): Fisher-Snedocorův test významnosti regrese,f : 3.9803E+03 Tabulkový kvantil, F(1-alpha,m-1,n-m) : 4.4513E+00 Závěr: Navržený model je významný. Spočtená hladina významnosti : 0.000 Scottovo kriterium multikolinearity, M Závěr: Navržený model je korektní. :-1.2330E-05 Cook-Weisbergův test heteroskedasticity, Sf : 1.2658E-01 Tabulkový kvantil, Chi^2(1-alpha,1) : 3.8415E+00 Závěr: Rezidua vykazují homoskedasticitu. Spočtená hladina významnosti : 0.722 Jarque-Berraův test normality reziduí, L(e) : 2.0189E+00 Tabulkový kvantil, Chi^2(1-alpha,2) : 5.9915E+00 Závěr: Normalita je prokázána. Spočtená hladina významnosti : 0.364 Waldův test autokorelace, Wa : 2.0181E+00 Tabulkový kvantil, Chi^2(1-alpha,1) : 3.8415E+00 Závěr: Rezidua nejsou autokorelována. Spočtená hladina významnosti : 0.155 Znamékový test, Dt :-3.7008E-01 Tabulkový kvantil, N(1-alpha/2) : 1.6449E+00 Závěr: Rezidua nevykazují trend. Spočtená hladina významnosti : 0.356

8 (7) INDIKACE VLIVNÝCH BODŮ: (* indikuje odlehlý nebo vlivný bod) Bod Standardizované Jackknife Predikované Diagonální reziduum reziduum reziduum prvky i es[i] ej[i] ep[i] H[i,i] 1-6.7382E-01-6.6261E-01-4.1668E-03 1.7116E-01 2 6.1546E-01 6.0385E-01 3.7435E-03 1.4329E-01 3-5.3976E-01-5.2819E-01-3.2798E-03 1.4156E-01 4-5.7386E-01-5.6219E-01-3.4573E-03 1.2678E-01 5-1.5756E+00-1.6541E+00-9.3634E-03 1.0252E-01 6 6.5088E-01 6.3946E-01 3.8547E-03 9.6296E-02 7-3.9176E-01-3.8179E-01-2.2869E-03 6.9852E-02 8-1.0055E+00-1.0059E+00-5.8386E-03 5.9884E-02 9 9.1096E-01 9.0616E-01 5.2702E-03 5.2990E-02 10 1.4294E+00 1.4784E+00 8.2677E-03 5.2633E-02 11 1.3888E+00 1.4309E+00 8.0367E-03 5.3532E-02 12 1.3493E+00 1.3853E+00 7.8188E-03 5.6088E-02 13 1.2369E+00 1.2579E+00 7.2351E-03 7.3705E-02 14-6.5368E-01-6.4228E-01-3.8428E-03 8.2893E-02 15 1.1661E+00 1.1794E+00 6.8960E-03 9.3738E-02 16-7.9596E-01-7.8700E-01-4.7780E-03 1.2040E-01 17-8.4644E-01-8.3903E-01-5.1274E-03 1.3622E-01 18-9.5330E-01-9.5059E-01-5.9011E-03 1.7283E-01 19-1.0102E+00-1.0109E+00-6.3337E-03 1.9363E-01

Název souboru: PR3 Adresář: E:\VYUKA\LS\Diskety\LS89002\Lisztwan\Linregrese Šablona: D:\Program Files\Microsoft Office\Sablony\Normal.dot Název: Příklad 3 Předmět: Autor: TZ4 Klíčová slova: Komentáře: Datum vytvoření: 29.02.00 10:02 Číslo revize: 24 Poslední uložení: 17.03.00 15:17 Uložil: Bečková Vlasta Celková doba úprav: 164 min. Poslední tisk: 14.09.00 13:28 Jako poslední úplný tisk Počet stránek: 8 Počet slov: 1 614 (přibližně) Počet znaků: 9 203 (přibližně)