Semestrální práce. 2. semestr

Podobné dokumenty
Semestrální práce. 2. semestr

Příloha č. 1 Grafy a protokoly výstupy z adstatu

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

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

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Tvorba lineárních regresních modelů

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

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

Tvorba lineárních regresních modelů při analýze dat

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

Univerzita Pardubice

Úloha 1: Lineární kalibrace

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

Kalibrace a limity její přesnosti

III. Semestrální práce

Semestrální práce. 2. semestr

Tvorba nelineárních regresních

6. Lineární regresní modely

Kalibrace a limity její přesnosti

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

Inovace bakalářského studijního oboru Aplikovaná chemie

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

UNIVERZITA PARDUBICE

6. Lineární regresní modely

Kalibrace a limity její přesnosti

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

Tvorba nelineárních regresních modelů v analýze dat

Aproximace křivek a vyhlazování křivek

http: //meloun.upce.cz,

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

Kalibrace a limity její přesnosti

Tvorba lineárních regresních modelů při analýze dat

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

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

UNIVERZITA PARDUBICE

2.2 Kalibrace a limity její p esnosti

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

PRAVDĚPODOBNOST A STATISTIKA

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

Fakulta chemicko technologická Katedra analytické chemie

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

Statistická analýza jednorozměrných dat

6.2 Validace nové analytické metody

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

PRAVDĚPODOBNOST A STATISTIKA

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

Tvorba nelineárních regresních modelů v analýze dat

UNIVERZITA PARDUBICE

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

Tvorba nelineárních regresních modelů v analýze dat

6. Lineární regresní modely

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

Semestrální práce z CHEMOMETRIE I Statistické zpracování jednorozměrných dat

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

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

LINEÁRNÍ REGRESE. Lineární regresní model

6. Lineární regresní modely

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

VÍCEROZMĚRNÝ STATISTICKÝ SOUBOR

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

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

Statistická analýza jednorozměrných dat

6. Lineární regresní modely

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

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

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

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

4EK211 Základy ekonometrie

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

Plánování experimentu

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Statistická analýza jednorozměrných dat

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

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

Regresní a korelační analýza

UNIVERZITA PARDUBICE

Korelační a regresní analýza

Lineární regrese. Komentované řešení pomocí MS Excel

Regresní a korelační analýza

Posouzení linearity kalibrační závislosti

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

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

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

S E M E S T R Á L N Í

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat

Úvodem Dříve les než stromy 3 Operace s maticemi

Příklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Regresní analýza. Eva Jarošová

Statistika (KMI/PSTAT)

Ilustrační příklad odhadu LRM v SW Gretl

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

odpovídá jedna a jen jedna hodnota jiných

Kanonická korelační analýza

Regresní a korelační analýza

AVDAT Geometrie metody nejmenších čtverců

Bodové a intervalové odhady parametrů v regresním modelu

Transkript:

Licenční studium č. 89002 Semestrální práce 2. semestr PŘEDMĚT 2.1 TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT Příklad 4 Vícerozměrný lineární regresní model

2/24 V Ústí nad Orlicí dne: 20.8.2000 Ing. Karel Pávek

3/24 Licenční studium č. 89002... 1 Semestrální práce... 1 2. semestr... 1 Předmět 2.1... 1 Tvorba lineárních regresních modelů při analýze dat... 1 Stanovení závislosti nejvyšší dlouhodobě (směnově) přípustné výsledné teploty na termickém odporu oděvu, tepelné produkci pracovníka a relativní vlhkosti vzduchu... 4 1. Zadání... 4 2. Data... 5 3. Návrh modelu... 6 4. Předběžná analýza dat... 6 5. Odhady parametrů... 7 6. Základní statistické charakteristiky regrese... 7 7. Regresní diagnostika... 7 7.1 Kritika dat... 7 7.1.1 Analýza klasických reziduí... 7 7.1.2 Analýza ostatních reziduí... 10 7.1.3 Grafy vlivných bodů... 17 7.1.4 Indexové grafy... 19 7.1.5 Rankitové grafy... 20 7.2 Kritika modelu... 20 7.3 Kritika metody... 22 7.4 Závěr regresní diagnostiky... 23 8. Konstrukce zpřesněného modelu a závěr... 23

4/24 Stanovení závislosti nejvyšší dlouhodobě (směnově) přípustné výsledné teploty na termickém odporu oděvu, tepelné produkci pracovníka a relativní vlhkosti vzduchu 1. ZADÁNÍ Mikroklimatické podmínky pro pracoviště s dlouhodobě (směnově) únosnou rovnoměrnou zátěží se stanoví podle Směrnice č. 46/1978 = Směrnice o hygienických požadavcích na pracovní prostředí. Jedním z měřítek je dlouhodobě (směnově) únosná výsledná teplota T g,a,max [ C]. Dlouhodobě (směnově) únosná výsledná teplota T g,a,max [ C] je ve vyhlášce uvedena ve formě grafu závislosti výsledné teploty T g,a,max [ C] na celkové tepelné produkci pracovníka M [W.m -2 ]a relativní vlhkosti vzduchu RH [%] pro daný celkový tepelný odpor oděvu R t, wa = 0.15, 0.20 a 0.25 [K.m 2.W -1 ]. Pro jiné hodnoty celkového tepelného odporu oděvu, než pro které jsou závislosti vytvořeny, se provádí lineární interpolace nebo extrapolace. Navrhněte lineární regresní model, který by vystihoval závislost dlouhodobě (směnově) únosné výsledné teploty T g,a,max [ C] na výše uvedených proměnných (R t, wa,m,rh). K řešení použijte program ADSTAT lineární regrese. Pozn.: T g, A,, max [ C] Dlouhodobě (směnově) únosná výsledná teplota kulového teploměru (Vernon-Jokl, dutá koule z měděného plechu o průměru 100 mm s černým povrchem, uvnitř které je umístěno teplotní čidlo). Při této teplotě bude v průběhu směny (8 hod.) ztráta vody organismu způsobená pocením a dýcháním menší nebo rovna (za daných podmínek) doporučenému množství. Pro standardní aklimatizovanou osobu s povrchem těla to je cca 3.8 kg. M[W.m -2 ] Tepelná produkce pracovníka včetně bazálního metabolismu. Např. pro práci v kanceláři je M=80W.m -2, práce údržbáře 110 W.m -2 R t, wa [K.m 2.W -1 ] Celkový tepelný odpor oděvu. Je dán počtem vrstev oděvu a rychlostí proudění vzduchu. Např. pro klasický třívrstvý oděv (oblek),při rychlosti proudění vzduchu menší než 0.3 m.s -1,je R t, wa =0.25[K.m 2.W -1 ]. RH [%] Relativní vlhkost vzduchu.

5/24 2. DATA Počet n = 84. Jméno datového souboru TgA1.dat (soubor je uspořádán dle TgA), resp. TgA.dat (soubor je uspořádán tak jak byla data odečítána z grafů systematicky dle proměnných R t, wa,ma RH). Na disketě je soubor uložen rovněž ve formátu Excel TgA.xls. Vzhledem k možným problémům při spouštění výpočtu s níže uvedenými daty (program ADSTAT je občas ukončen zdůvodu závažné chyby běhu programu č. 207 Invalid floating point operation) jsou na disketě též textové výstupy ADSTAT pro původní data (Res4.602) a pro upravená data (Res4UP.602). R t, wa M RH T g,a R t, wa M RH T g,a [K.m 2.W -1 ] [W.m -2 ] [%] [ C] [K.m 2.W -1 ] [W.m -2 ] [%] [ C] 0.25 170 90 19 0.15 150 30 33.3 0.25 170 70 20.7 0.15 90 90 33.6 0.25 170 50 21.9 0.2 130 30 34 0.2 170 90 22.7 0.2 110 50 34.4 0.25 150 90 23.7 0.25 90 70 34.5 0.25 170 30 24 0.2 90 70 34.9 0.2 170 70 24.1 0.15 90 70 35 0.25 150 70 24.2 0.15 110 50 35 0.2 150 90 25.3 0.15 70 90 35.2 0.25 150 50 25.9 0.25 110 30 35.5 0.15 170 90 26 0.15 130 30 35.6 0.2 170 50 26 0.2 70 90 35.6 0.25 130 90 26.1 0.25 70 90 35.8 0.15 170 70 26.9 0.25 90 50 36.3 0.2 150 70 27.1 0.15 50 90 36.8 0.25 150 30 27.3 0.15 70 70 36.8 0.2 170 30 27.8 0.2 110 30 36.8 0.25 130 70 27.8 0.2 90 50 36.9 0.2 130 90 27.9 0.15 90 50 37.2 0.15 150 90 28 0.2 70 70 37.2 0.15 170 50 28.5 0.25 70 70 37.5 0.2 150 50 28.9 0.2 50 90 37.8 0.15 150 70 29.1 0.15 110 30 38 0.25 110 90 29.3 0.15 50 70 38.5 0.25 130 50 29.3 0.25 50 90 38.5 0.2 130 70 29.8 0.25 90 30 39 0.15 130 90 29.9 0.2 70 50 39.1 0.2 110 90 30.6 0.15 70 50 39.2 0.15 150 50 30.7 0.2 50 70 39.4 0.15 170 30 30.9 0.2 90 30 39.5 0.2 150 30 31.1 0.25 70 50 39.5 0.25 110 70 31.1 0.15 90 30 40.1 0.15 130 70 31.2 0.25 50 70 40.5 0.25 130 30 31.4 0.2 50 50 41.7 0.15 110 90 31.8 0.15 50 50 41.9 0.2 130 50 31.8 0.15 70 30 42 0.2 110 70 32.3 0.2 70 30 42 0.25 90 90 32.7 0.25 70 30 42.5 0.25 110 50 33 0.25 50 50 42.8 0.15 130 50 33.1 0.15 50 30 43.8 0.2 90 90 33.1 0.2 50 30 44.2 0.15 110 70 33.2 0.25 50 30 46

6/24 3. NÁVRH MODELU Použijeme lineární regresní model y = β 0 + Σβ i x i,kdey=t g, A,, max a x i =R t, wa,m,rh. 4. PŘEDBĚŽNÁ ANALÝZA DAT Polohaaproměnlivost proměnných y, x1, x2 a x3 je vyjádřena jejich průměrem a směrodatnou odchylkou. Párový korelační koeficient y vs. x2 ukazuje na vysokou lineární závislost nezávisle proměnné x2 se závisle proměnnou y. Zbývající nezávisle proměnné x1 a x3 korelují s y nevýznamně. Párové korelační koeficienty mezi dvojicemi vysvětlujících proměnných ukazují na nulovou korelaci mezi nezávisle proměnnými. Multikolinearita není indikována. Proměnná Průměr Směrodatná odchylka Párový korelační koeficient Spočtená hladina výz. y 3.3204E+01 6.0469E+00 1.0000 ----- x1 2.0000E-01 4.1070E-02-0.1589 0.149 x2 1.1000E+02 4.0240E+01-0.8919 0.000 x3 6.0000E+01 2.2495E+01-0.3698 0.001 Párové korelační koeficienty mezi dvojicemi vysvětlujících proměnných Spočtená hladina významnosti x1 versus x2 : 0.0000E+00 1.000 x1 versus x3 : 0.0000E+00 1.000 x2 versus x3 : 0.0000E+00 1.000 Indikace multikolinearity: Č [j] Vlastní čísla korel. matice l[j] Čísla podmíněnosti K[j] Variance inflation factor VIF[j] Vícenás. korel. koef. pro X[j] 1 1.0000E+00 1.0000E+00 1.0000E+00 0.0000 2 1.0000E+00 1.0000E+00 1.0000E+00 0.0000 3 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)

7/24 5. ODHADY PARAMETRŮ Klasickou metodou nejmenších čtverců (MNČ) byly nalezeny nejlepší odhady čtyř parametrů β 0, β 1, β 2, β 3. Studentův t-test ukázal, že všechny parametry jsou statisticky významné. Parametr Odhad Směrodatná TestH0:B[j]=0vs.HA:B[j]<>0 odchylka t-kriterium Hypotéza H0 je Hlad. výz. B[0] 5.8590E+01 8.7305E-01 6.7110E+01 Zamítnuta 0.000 B[1] -2.3393E+01 3.3914E+00-6.8977E+00 Zamítnuta 0.000 B[2] -1.3403E-01 3.4613E-03-3.8723E+01 Zamítnuta 0.000 B[3] -9.9405E-02 6.1918E-03-1.6054E+01 Zamítnuta 0.000 6. ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY REGRESE Vícenásobný korelační koeficient R ukazuje, že zvolený lineární regresní model je statisticky významný. Vysoká hodnota koeficientu determinace D = R 2 ukazuje, že většina bodů koresponduje s navrženým modelem. Predikovaný korelační koeficient R 2 p je rovněž vysoký. Střední kvadratická chyba predikce MEP a Akaikeho informační kritérium AIC se užívají k rozlišení mezi několika navrženými modely. Za lepší se považuje model s nižšími číselnými hodnotami MEP a AIC. Vícenásobný korelační koeficient, R Koeficient determinace, R^2 Predikovaný korelační koeficient, Rp^2 Střední kvadratická chyba predikce, MEP Akaikeho informační kritérium, AIC 9.7855E-01 9.5756E-01 9.7555E-01 1.7452E+00 4.3916E+01 7. REGRESNÍ DIAGNOSTIKA Obsahuje pomůcky a postupy pro interaktivní analýzu dat, modelu, metody, což jsou složky tzv. regresního tripletu. 7.1 Kritika dat 7.1.1 Analýza klasických reziduí Není příliš spolehlivá, protože klasická rezidua jsou korelovaná, s nekonstantním rozptylem, jeví se normálnější než náhodné chyby (efekt supernormality) a nemusí indikovat silně odlehlé hodnoty. Grafická analýza e vs. y p (obr. 1) je však schopna indikovat podezřelé body, trend a nekonstantnost podmíněného rozptylu, tj. heteroskedasticitu. Body tvoří pravidelný obrazec ve tvaru čtyřcípé hvězdy body netvoří jednoznačný mrak, heteroskedasticita.

8/24 Bod Meřená hodnota Predikovaná hodnota Směrodatnáod chylka Klasické reziduum Relativní reziduum i yexp[i] yvyp[i] s(yvyp[i]) e[i] er[i] 1 1.9000E+01 2.1010E+01 3.5434E-01-2.0098E+00-1.0578E+01 2 2.0700E+01 2.2998E+01 3.0804E-01-2.2979E+00-1.1101E+01 3 2.1900E+01 2.4986E+01 3.0804E-01-3.0860E+00-1.4091E+01 4 2.2700E+01 2.2179E+01 3.1113E-01 5.2054E-01 2.2931E+00 5 2.3700E+01 2.3690E+01 3.1874E-01 9.5246E-03 4.0188E-02 6 2.4000E+01 2.6974E+01 3.5434E-01-2.9741E+00-1.2392E+01 7 2.4100E+01 2.4168E+01 2.5716E-01-6.7559E-02-2.8033E-01 8 2.4200E+01 2.5679E+01 2.6632E-01-1.4786E+00-6.1098E+00 9 2.5300E+01 2.4860E+01 2.6989E-01 4.3988E-01 1.7387E+00 10 2.5900E+01 2.7667E+01 2.6632E-01-1.7667E+00-6.8211E+00 11 2.6000E+01 2.3349E+01 3.5434E-01 2.6509E+00 1.0196E+01 12 2.6000E+01 2.6156E+01 2.5716E-01-1.5565E-01-5.9867E-01 13 2.6100E+01 2.6371E+01 2.9533E-01-2.7113E-01-1.0388E+00 14 2.6900E+01 2.5337E+01 3.0804E-01 1.5628E+00 5.8097E+00 15 2.7100E+01 2.6848E+01 2.0536E-01 2.5179E-01 9.2910E-01 16 2.7300E+01 2.9655E+01 3.1874E-01-2.3548E+00-8.6255E+00 17 2.7800E+01 2.8144E+01 3.1113E-01-3.4375E-01-1.2365E+00 18 2.7800E+01 2.8359E+01 2.3780E-01-5.5923E-01-2.0116E+00 19 2.7900E+01 2.7541E+01 2.4180E-01 3.5923E-01 1.2875E+00 20 2.8000E+01 2.6030E+01 3.1874E-01 1.9702E+00 7.0366E+00 21 2.8500E+01 2.7325E+01 3.0804E-01 1.1747E+00 4.1218E+00 22 2.8900E+01 2.8836E+01 2.0536E-01 6.3690E-02 2.2038E-01 23 2.9100E+01 2.8018E+01 2.6632E-01 1.0821E+00 3.7187E+00 24 2.9300E+01 2.9052E+01 2.8710E-01 2.4821E-01 8.4715E-01 25 2.9300E+01 3.0347E+01 2.3780E-01-1.0473E+00-3.5745E+00 26 2.9800E+01 2.9529E+01 1.6672E-01 2.7113E-01 9.0983E-01 27 2.9900E+01 2.8710E+01 2.9533E-01 1.1896E+00 3.9785E+00 28 3.0600E+01 3.0221E+01 2.3168E-01 3.7857E-01 1.2372E+00 29 3.0700E+01 3.0006E+01 2.6632E-01 6.9405E-01 2.2607E+00 30 3.0900E+01 2.9313E+01 3.5434E-01 1.5866E+00 5.1347E+00 31 3.1100E+01 3.0824E+01 2.6989E-01 2.7560E-01 8.8616E-01 32 3.1100E+01 3.1040E+01 2.2750E-01 6.0119E-02 1.9331E-01 33 3.1200E+01 3.0699E+01 2.3780E-01 5.0149E-01 1.6073E+00 34 3.1400E+01 3.2335E+01 2.9533E-01-9.3542E-01-2.9790E+00 35 3.1800E+01 3.1391E+01 2.8710E-01 4.0893E-01 1.2859E+00 36 3.1800E+01 3.1517E+01 1.6672E-01 2.8304E-01 8.9005E-01 37 3.2300E+01 3.2210E+01 1.5167E-01 9.0476E-02 2.8011E-01

9/24 38 3.2700E+01 3.1732E+01 2.9533E-01 9.6756E-01 2.9589E+00 39 3.3000E+01 3.3028E+01 2.2750E-01-2.7976E-02-8.4776E-02 40 3.3100E+01 3.2687E+01 2.3780E-01 4.1339E-01 1.2489E+00 41 3.3100E+01 3.2902E+01 2.4180E-01 1.9792E-01 5.9793E-01 42 3.3200E+01 3.3379E+01 2.2750E-01-1.7917E-01-5.3966E-01 43 3.3300E+01 3.1994E+01 3.1874E-01 1.3060E+00 3.9218E+00 44 3.3600E+01 3.4072E+01 2.9533E-01-4.7173E-01-1.4040E+00 45 3.4000E+01 3.3505E+01 2.4180E-01 4.9494E-01 1.4557E+00 46 3.4400E+01 3.4198E+01 1.5167E-01 2.0238E-01 5.8832E-01 47 3.4500E+01 3.3721E+01 2.3780E-01 7.7946E-01 2.2593E+00 48 3.4900E+01 3.4890E+01 1.6672E-01 9.8230E-03 2.8146E-02 49 3.5000E+01 3.6060E+01 2.3780E-01-1.0598E+00-3.0281E+00 50 3.5000E+01 3.5367E+01 2.2750E-01-3.6726E-01-1.0493E+00 51 3.5200E+01 3.6752E+01 3.1874E-01-1.5524E+00-4.4102E+00 52 3.5500E+01 3.5016E+01 2.8710E-01 4.8393E-01 1.3632E+00 53 3.5600E+01 3.4675E+01 2.9533E-01 9.2530E-01 2.5991E+00 54 3.5600E+01 3.5583E+01 2.6989E-01 1.7260E-02 4.8484E-02 55 3.5800E+01 3.4413E+01 3.1874E-01 1.3869E+00 3.8740E+00 56 3.6300E+01 3.5709E+01 2.3780E-01 5.9137E-01 1.6291E+00 57 3.6800E+01 3.9433E+01 3.5434E-01-2.6330E+00-7.1550E+00 58 3.6800E+01 3.8740E+01 2.6632E-01-1.9405E+00-5.2730E+00 59 3.6800E+01 3.6186E+01 2.3168E-01 6.1429E-01 1.6693E+00 60 3.6900E+01 3.6878E+01 1.6672E-01 2.1728E-02 5.8883E-02 61 3.7200E+01 3.8048E+01 2.3780E-01-8.4792E-01-2.2793E+00 62 3.7200E+01 3.7571E+01 2.0536E-01-3.7083E-01-9.9686E-01 63 3.7500E+01 3.6401E+01 2.6632E-01 1.0988E+00 2.9302E+00 64 3.7800E+01 3.8263E+01 3.1113E-01-4.6339E-01-1.2259E+00 65 3.8000E+01 3.7355E+01 2.8710E-01 6.4464E-01 1.6964E+00 66 3.8500E+01 4.1421E+01 3.0804E-01-2.9211E+00-7.5874E+00 67 3.8500E+01 3.7094E+01 3.5434E-01 1.4062E+00 3.6526E+00 68 3.9000E+01 3.7697E+01 2.9533E-01 1.3033E+00 3.3417E+00 69 3.9100E+01 3.9559E+01 2.0536E-01-4.5893E-01-1.1737E+00 70 3.9200E+01 4.0729E+01 2.6632E-01-1.5286E+00-3.8994E+00 71 3.9400E+01 4.0251E+01 2.5716E-01-8.5149E-01-2.1611E+00 72 3.9500E+01 3.8866E+01 2.4180E-01 6.3363E-01 1.6041E+00 73 3.9500E+01 3.8389E+01 2.6632E-01 1.1107E+00 2.8119E+00 74 4.0100E+01 4.0036E+01 2.9533E-01 6.3987E-02 1.5957E-01 75 4.0500E+01 3.9082E+01 3.0804E-01 1.4182E+00 3.5016E+00 76 4.1700E+01 4.2240E+01 2.5716E-01-5.3958E-01-1.2940E+00 77 4.1900E+01 4.3409E+01 3.0804E-01-1.5092E+00-3.6020E+00 78 4.2000E+01 4.2717E+01 3.1874E-01-7.1667E-01-1.7063E+00

10/24 79 4.2000E+01 4.1547E+01 2.6989E-01 4.5298E-01 1.0785E+00 80 4.2500E+01 4.0377E+01 3.1874E-01 2.1226E+00 4.9944E+00 81 4.2800E+01 4.1070E+01 3.0804E-01 1.7301E+00 4.0422E+00 82 4.3800E+01 4.5397E+01 3.5434E-01-1.5973E+00-3.6469E+00 83 4.4200E+01 4.4228E+01 3.1113E-01-2.7678E-02-6.2619E-02 84 4.6000E+01 4.3058E+01 3.5434E-01 2.9420E+00 6.3956E+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) 1.2882E+02 9.3839E-01 2.9932E+00 1.6102E+00 1.2689E+00-4.3769E-01 3.1954E+00 Obr. 1: Graf predikce rezidua 7.1.2 Analýza ostatních reziduí Jackknife rezidua indikují odlehlé body, diagonální prvky H ii od projekční matice H a diagonální prvky H mii od zobecněné projekční matice H m pouze extrémy. Ostatní druhy reziduí a kritéria v tabulce pak obojí (značeno hvězdičkou u hodnoty). Jackknife rezidua indikují odlehlé body: 3, 6, 11, 57, 66 a 84 Zobecněné diagonální prvky H mii indikují extrémy: 3, 6, 11, 57, 66 a 84 Atkinsonova vzdálenost A [i] a vliv na predikci DF [i] indikují vlivné body: 1, 2, 3, 6, 11, 16, 57, 66, 80 a 84

11/24 Indikace vlivných bodů: (* indikuje odlehlý, nebo vlivný bod)) Bod Standardizované reziduum Jackknife reziduum Predikované reziduum Diagonální prvky i es[i] ej[i] ep[i] H[i,i] 1-1.6495E+00-1.6677E+00-2.1798E+00 7.7976E-02 2-1.8667E+00-1.8968E+00-2.4418E+00 5.8929E-02 3-2.5069E+00-2.5953E+00* -3.2793E+00 5.8929E-02 4 4.2313E-01 4.2095E-01 5.5383E-01 6.0119E-02 5 7.7546E-03 7.7060E-03 1.0166E-02 6.3095E-02 6-2.4409E+00-2.5213E+00* -3.2256E+00 7.7976E-02 7-5.4369E-02-5.4029E-02-7.0453E-02 4.1071E-02 8-1.1917E+00-1.1949E+00-1.5467E+00 4.4048E-02 9 3.5477E-01 3.5282E-01 4.6072E-01 4.5238E-02 10-1.4240E+00-1.4333E+00-1.8481E+00 4.4048E-02 11 2.1756E+00 2.2289E+00* 2.8751E+00 7.7976E-02 12-1.2526E-01-1.2449E-01-1.6232E-01 4.1071E-02 13-2.1970E-01-2.1839E-01-2.8666E-01 5.4167E-02 14 1.2696E+00 1.2745E+00 1.6607E+00 5.8929E-02 15 2.0107E-01 1.9986E-01 2.5856E-01 2.6190E-02 16-1.9172E+00-1.9505E+00-2.5133E+00 6.3095E-02 17-2.7943E-01-2.7781E-01-3.6574E-01 6.0119E-02 18-4.4865E-01-4.4640E-01-5.7958E-01 3.5119E-02 19 2.8838E-01 2.8672E-01 3.7276E-01 3.6310E-02 20 1.6041E+00 1.6203E+00 2.1029E+00 6.3095E-02 21 9.5428E-01 9.5374E-01 1.2483E+00 5.8929E-02 22 5.0862E-02 5.0544E-02 6.5403E-02 2.6190E-02 23 8.7222E-01 8.7090E-01 1.1320E+00 4.4048E-02 24 2.0081E-01 1.9961E-01 2.6161E-01 5.1190E-02 25-8.4024E-01-8.3868E-01-1.0854E+00 3.5119E-02 26 2.1554E-01 2.1425E-01 2.7589E-01 1.7262E-02 27 9.6393E-01 9.6350E-01 1.2577E+00 5.4167E-02 28 3.0344E-01 3.0171E-01 3.9163E-01 3.3333E-02 29 5.5941E-01 5.5699E-01 7.2603E-01 4.4048E-02 30 1.3021E+00 1.3079E+00 1.7208E+00 7.7976E-02 31 2.2227E-01 2.2095E-01 2.8865E-01 4.5238E-02 32 4.8158E-02 4.7857E-02 6.2116E-02 3.2143E-02 33 4.0233E-01 4.0021E-01 5.1974E-01 3.5119E-02 34-7.5798E-01-7.5595E-01-9.8899E-01 5.4167E-02 35 3.3084E-01 3.2899E-01 4.3099E-01 5.1190E-02 36 2.2500E-01 2.2366E-01 2.8801E-01 1.7262E-02 37 7.1815E-02 7.1367E-02 9.1787E-02 1.4286E-02

12/24 38 7.8402E-01 7.8212E-01 1.0230E+00 5.4167E-02 39-2.2410E-02-2.2270E-02-2.8905E-02 3.2143E-02 40 3.3165E-01 3.2980E-01 4.2844E-01 3.5119E-02 41 1.5888E-01 1.5791E-01 2.0537E-01 3.6310E-02 42-1.4352E-01-1.4264E-01-1.8512E-01 3.2143E-02 43 1.0633E+00 1.0641E+00 1.3939E+00 6.3095E-02 44-3.8225E-01-3.8020E-01-4.9874E-01 5.4167E-02 45 3.9732E-01 3.9522E-01 5.1359E-01 3.6310E-02 46 1.6064E-01 1.5966E-01 2.0532E-01 1.4286E-02 47 6.2534E-01 6.2295E-01 8.0783E-01 3.5119E-02 48 7.8088E-03 7.7599E-03 9.9956E-03 1.7262E-02 49-8.5027E-01-8.4878E-01-1.0984E+00 3.5119E-02 50-2.9419E-01-2.9250E-01-3.7946E-01 3.2143E-02 51-1.2639E+00-1.2687E+00-1.6569E+00 6.3095E-02 52 3.9152E-01 3.8944E-01 5.1004E-01 5.1190E-02 53 7.4978E-01 7.4771E-01 9.7829E-01 5.4167E-02 54 1.3921E-02 1.3833E-02 1.8078E-02 4.5238E-02 55 1.1292E+00 1.1311E+00 1.4803E+00 6.3095E-02 56 4.7444E-01 4.7213E-01 6.1289E-01 3.5119E-02 57-2.1610E+00-2.2130E+00* -2.8557E+00 7.7976E-02 58-1.5640E+00-1.5786E+00-2.0299E+00 4.4048E-02 59 4.9237E-01 4.9002E-01 6.3547E-01 3.3333E-02 60 1.7273E-02 1.7164E-02 2.2109E-02 1.7262E-02 61-6.8026E-01-6.7796E-01-8.7878E-01 3.5119E-02 62-2.9614E-01-2.9445E-01-3.8081E-01 2.6190E-02 63 8.8565E-01 8.8445E-01 1.1494E+00 4.4048E-02 64-3.7668E-01-3.7465E-01-4.9303E-01 6.0119E-02 65 5.2154E-01 5.1915E-01 6.7942E-01 5.1190E-02 66-2.3730E+00-2.4458E+00* -3.1040E+00 5.8929E-02 67 1.1541E+00 1.1566E+00 1.5252E+00 7.7976E-02 68 1.0561E+00 1.0568E+00 1.3779E+00 5.4167E-02 69-3.6650E-01-3.6450E-01-4.7127E-01 2.6190E-02 70-1.2320E+00-1.2361E+00-1.5990E+00 4.4048E-02 71-6.8524E-01-6.8295E-01-8.8796E-01 4.1071E-02 72 5.0866E-01 5.0629E-01 6.5750E-01 3.6310E-02 73 8.9525E-01 8.9412E-01 1.1619E+00 4.4048E-02 74 5.1849E-02 5.1525E-02 6.7651E-02 5.4167E-02 75 1.1520E+00 1.1544E+00 1.5070E+00 5.8929E-02 76-4.3423E-01-4.3202E-01-5.6269E-01 4.1071E-02 77-1.2260E+00-1.2300E+00-1.6037E+00 5.8929E-02 78-5.8348E-01-5.8106E-01-7.6493E-01 6.3095E-02

13/24 79 3.6533E-01 3.6334E-01 4.7444E-01 4.5238E-02 80 1.7282E+00 1.7503E+00 2.2656E+00 6.3095E-02 81 1.4054E+00 1.4142E+00 1.8384E+00 5.8929E-02 82-1.3109E+00-1.3169E+00-1.7324E+00 7.7976E-02 83-2.2498E-02-2.2357E-02-2.9448E-02 6.0119E-02 84 2.4145E+00 2.4919E+00* 3.1908E+00 7.7976E-02 Bod Zobecněné diag. prvky Cookova vzdálenost Atkinsonova vzdálenost Vliv na predikci i Hm[i,i] D[i] A[i] DF[i] 1 1.0933E-01 5.7524E-02 2.1690E+00* -4.8500E-01* 2 9.9920E-02 5.4552E-02 2.1227E+00* -4.7465E-01* 3 1.3286E-01* 9.8386E-02 2.9043E+00* -6.4943E-01* 4 6.2222E-02 2.8630E-03 4.7612E-01 1.0646E-01 5 6.3096E-02 1.0124E-06 8.9432E-03 1.9998E-03 6 1.4664E-01* 1.2596E-01 3.2790E+00* -7.3321E-01* 7 4.1107E-02 3.1651E-05 5.0005E-02-1.1182E-02 8 6.1019E-02 1.6360E-02 1.1471E+00-2.5650E-01 9 4.6740E-02 1.4909E-03 3.4346E-01 7.6800E-02 10 6.8277E-02 2.3357E-02 1.3759E+00-3.0767E-01 11 1.3253E-01* 1.0007E-01 2.8988E+00* 6.4819E-01* 12 4.1260E-02 1.6802E-04 1.1522E-01-2.5764E-02 13 5.4737E-02 6.9106E-04 2.3372E-01-5.2262E-02 14 7.7888E-02 2.5232E-02 1.4263E+00 3.1893E-01 15 2.6683E-02 2.7184E-04 1.4658E-01 3.2777E-02 16 1.0614E-01 6.1881E-02 2.2636E+00* -5.0616E-01* 17 6.1036E-02 1.2486E-03 3.1422E-01-7.0261E-02 18 3.7547E-02 1.8316E-03 3.8087E-01-8.5165E-02 19 3.7311E-02 7.8332E-04 2.4889E-01 5.5654E-02 20 9.3230E-02 4.3321E-02 1.8805E+00 4.2048E-01 21 6.9641E-02 1.4256E-02 1.0673E+00 2.3866E-01 22 2.6222E-02 1.7394E-05 3.7070E-02 8.2891E-03 23 5.3138E-02 8.7635E-03 8.3604E-01 1.8694E-01 24 5.1669E-02 5.4393E-04 2.0734E-01 4.6364E-02 25 4.3634E-02 6.4241E-03 7.1556E-01-1.6000E-01 26 1.7833E-02 2.0400E-04 1.2699E-01 2.8395E-02 27 6.5152E-02 1.3303E-02 1.0312E+00 2.3057E-01 28 3.4446E-02 7.9374E-04 2.5056E-01 5.6026E-02 29 4.7787E-02 3.6049E-03 5.3470E-01 1.1956E-01 30 9.7518E-02 3.5849E-02 1.7010E+00 3.8035E-01 31 4.5828E-02 5.8522E-04 2.1508E-01 4.8094E-02

14/24 32 3.2171E-02 1.9255E-05 3.9003E-02 8.7213E-03 33 3.7071E-02 1.4729E-03 3.4146E-01 7.6353E-02 34 6.0959E-02 8.2257E-03 8.0903E-01-1.8090E-01 35 5.2489E-02 1.4763E-03 3.4174E-01 7.6416E-02 36 1.7884E-02 2.2231E-04 1.3256E-01 2.9642E-02 37 1.4349E-02 1.8686E-05 3.8423E-02 8.5916E-03 38 6.1434E-02 8.8007E-03 8.3704E-01 1.8717E-01 39 3.2149E-02 4.1696E-06 1.8149E-02-4.0583E-03 40 3.6446E-02 1.0009E-03 2.8138E-01 6.2920E-02 41 3.6614E-02 2.3777E-04 1.3708E-01 3.0651E-02 42 3.2392E-02 1.7101E-04 1.1625E-01-2.5994E-02 43 7.6335E-02 1.9033E-02 1.2350E+00 2.7615E-01 44 5.5894E-02 2.0919E-03 4.0689E-01-9.0984E-02 45 3.8211E-02 1.4870E-03 3.4308E-01 7.6715E-02 46 1.4604E-02 9.3498E-05 8.5958E-02 1.9221E-02 47 3.9836E-02 3.5583E-03 5.3150E-01 1.1885E-01 48 1.7263E-02 2.6777E-07 4.5993E-03 1.0284E-03 49 4.3839E-02 6.5784E-03 7.2418E-01-1.6193E-01 50 3.3190E-02 7.1857E-04 2.3839E-01-5.3305E-02 51 8.1803E-02 2.6894E-02 1.4724E+00-3.2924E-01 52 5.3008E-02 2.0675E-03 4.0453E-01 9.0457E-02 53 6.0813E-02 8.0486E-03 8.0021E-01 1.7893E-01 54 4.5240E-02 2.2955E-06 1.3466E-02 3.0112E-03 55 7.8027E-02 2.1466E-02 1.3127E+00 2.9354E-01 56 3.7834E-02 2.0482E-03 4.0282E-01 9.0073E-02 57 1.3180E-01* 9.8730E-02 2.8781E+00* -6.4355E-01* 58 7.3279E-02 2.8179E-02 1.5154E+00-3.3885E-01 59 3.6263E-02 2.0899E-03 4.0694E-01 9.0995E-02 60 1.7266E-02 1.3101E-06 1.0173E-02 2.2748E-03 61 4.0700E-02 4.2107E-03 5.7843E-01-1.2934E-01 62 2.7258E-02 5.8967E-04 2.1595E-01-4.8288E-02 63 5.3420E-02 9.0355E-03 8.4904E-01 1.8985E-01 64 6.1786E-02 2.2689E-03 4.2375E-01-9.4754E-02 65 5.4416E-02 3.6688E-03 5.3928E-01 1.2059E-01 66 1.2517E-01* 8.8154E-02 2.7371E+00* -6.1202E-01* 67 9.3328E-02 2.8162E-02 1.5041E+00 3.3634E-01 68 6.7352E-02 1.5967E-02 1.1310E+00 2.5291E-01 69 2.7825E-02 9.0312E-04 2.6733E-01-5.9777E-02 70 6.2186E-02 1.7486E-02 1.1866E+00-2.6534E-01 71 4.6700E-02 5.0278E-03 6.3209E-01-1.4134E-01 72 3.9426E-02 2.4371E-03 4.3950E-01 9.8274E-02

15/24 73 5.3625E-02 9.2324E-03 8.5833E-01 1.9193E-01 74 5.4198E-02 3.8489E-05 5.5143E-02 1.2330E-02 75 7.4541E-02 2.0777E-02 1.2919E+00 2.8888E-01 76 4.3332E-02 2.0190E-03 3.9985E-01-8.9409E-02 77 7.6611E-02 2.3531E-02 1.3764E+00-3.0778E-01 78 6.7082E-02 5.7319E-03 6.7435E-01-1.5079E-01 79 4.6831E-02 1.5810E-03 3.5370E-01 7.9090E-02 80 9.8071E-02 5.0281E-02 2.0313E+00* 4.5422E-01* 81 8.2164E-02 3.0921E-02 1.5826E+00 3.5388E-01 82 9.7783E-02 3.6335E-02 1.7127E+00-3.8298E-01 83 6.0125E-02 8.0944E-06 2.5288E-02-5.6545E-03 84 1.4517E-01* 1.2326E-01 3.2408E+00* 7.2466E-01* Bod Věrohodnostní vzdálenosti i LD(b)[i] LD(s^2)[i] LD(b,s^2)[i] 1 2.4125E-01 2.1663E-02 2.6879E-01 2 2.2880E-01 4.5012E-02 2.8171E-01 3 4.1221E-01 2.0972E-01 6.5283E-01 4 1.2024E-02 3.9680E-03 1.5876E-02 5 4.2521E-06 5.9993E-03 6.0035E-03 6 5.2739E-01 1.8371E-01 7.4853E-01 7 1.3294E-04 5.9632E-03 6.0945E-03 8 6.8685E-02 1.4831E-03 7.0606E-02 9 6.2614E-03 4.5285E-03 1.0725E-02 10 9.8042E-02 7.9145E-03 1.0737E-01 11 4.1926E-01 1.0256E-01 5.4398E-01 12 7.0566E-04 5.8055E-03 6.5029E-03 13 2.9024E-03 5.4116E-03 8.2813E-03 14 1.0591E-01 2.9552E-03 1.0982E-01 15 1.1417E-03 5.5051E-03 6.6339E-03 16 2.5950E-01 5.2225E-02 3.2140E-01 17 5.2438E-03 5.0632E-03 1.0250E-02 18 7.6923E-03 3.7444E-03 1.1365E-02 19 3.2899E-03 5.0049E-03 8.2591E-03 20 1.8175E-01 1.8150E-02 2.0391E-01 21 5.9853E-02 1.1698E-05 5.9855E-02 22 7.3055E-05 5.9678E-03 6.0399E-03 23 3.6799E-02 2.4600E-04 3.6964E-02 24 2.2845E-03 5.5064E-03 7.7648E-03 25 2.6977E-02 4.0633E-04 2.7304E-02 26 8.5679E-04 5.4332E-03 6.2803E-03

16/24 27 5.5854E-02 3.6214E-06 5.5860E-02 28 3.3337E-03 4.9035E-03 8.2013E-03 29 1.5139E-02 2.7190E-03 1.7738E-02 30 1.5043E-01 3.7595E-03 1.5575E-01 31 2.4579E-03 5.3981E-03 7.8283E-03 32 8.0872E-05 5.9711E-03 6.0510E-03 33 6.1860E-03 4.1450E-03 1.0270E-02 34 3.4541E-02 9.5356E-04 3.5337E-02 35 6.2003E-03 4.7088E-03 1.0844E-02 36 9.3368E-04 5.3837E-03 6.3068E-03 37 7.8482E-05 5.9358E-03 6.0133E-03 38 3.6955E-02 7.6213E-04 3.7568E-02 39 1.7512E-05 5.9938E-03 6.0111E-03 40 4.2035E-03 4.7028E-03 8.8621E-03 41 9.9864E-04 5.6886E-03 6.6757E-03 42 7.1825E-04 5.7453E-03 6.4552E-03 43 7.9903E-02 2.1393E-04 8.0335E-02 44 8.7856E-03 4.3107E-03 1.3008E-02 45 6.2451E-03 4.1868E-03 1.0370E-02 46 3.9269E-04 5.6817E-03 6.0699E-03 47 1.4944E-02 2.0980E-03 1.6938E-02 48 1.1246E-06 5.9993E-03 6.0004E-03 49 2.7625E-02 3.5244E-04 2.7902E-02 50 3.0180E-03 4.9663E-03 7.9516E-03 51 1.1288E-01 2.8274E-03 1.1671E-01 52 8.6832E-03 4.2349E-03 1.2832E-02 53 3.3797E-02 1.0168E-03 3.4655E-02 54 9.6410E-06 5.9976E-03 6.0072E-03 55 9.0110E-02 7.0349E-04 9.1231E-02 56 8.6019E-03 3.5122E-03 1.2036E-02 57 4.1365E-01 9.9030E-02 5.3416E-01 58 1.1827E-01 1.5386E-02 1.3602E-01 59 8.7771E-03 3.3477E-03 1.2047E-02 60 5.5024E-06 5.9963E-03 6.0018E-03 61 1.7683E-02 1.5982E-03 1.9174E-02 62 2.4766E-03 4.9531E-03 7.4030E-03 63 3.7941E-02 1.8918E-04 3.8058E-02 64 9.5290E-03 4.3557E-03 1.3789E-02 65 1.5408E-02 3.0761E-03 1.8354E-02 66 3.6943E-01 1.5958E-01 5.5312E-01 67 1.1820E-01 9.7483E-04 1.1983E-01

17/24 68 6.7036E-02 1.7880E-04 6.7380E-02 69 3.7930E-03 4.4369E-03 8.1912E-03 70 7.3407E-02 2.1706E-03 7.6139E-02 71 2.1114E-02 1.5543E-03 2.2543E-02 72 1.0235E-02 3.1966E-03 1.3343E-02 73 3.8767E-02 1.5269E-04 3.8855E-02 74 1.6166E-04 5.9665E-03 6.1262E-03 75 8.7219E-02 9.5041E-04 8.8630E-02 76 8.4795E-03 3.8716E-03 1.2270E-02 77 9.8773E-02 2.0581E-03 1.0158E-01 78 2.4070E-02 2.4912E-03 2.6380E-02 79 6.6398E-03 4.4461E-03 1.1018E-02 80 2.1092E-01 2.8795E-02 2.4555E-01 81 1.2977E-01 7.1553E-03 1.3873E-01 82 1.5247E-01 3.9972E-03 1.5810E-01 83 3.3996E-05 5.9937E-03 6.0273E-03 84 5.1609E-01 1.7403E-01 7.2575E-01 7.1.3 Grafy vlivných bodů Graf predikovaných reziduí ukazuje na odlehlé body: 1, 2, 3, 6, 8, 11, 16, 51, 57, 58, 66, 70, 77, 82, 84 Pregibonův graf ukazuje na středně vlivné body: 3, 6, 11, 57, 66 a 84 Williamsův graf indikuje jako odlehlé body: 3, 6, 11, 57, 66 a 84 McCulloh-Meeterův graf indikuje jako vlivné body: 3, 6, 11, 57, 66 a 84

18/24 Obr. 2a: Graf predikovaných reziduí Obr. 2b: Pregibonův graf Obr. 2c: Williamsův graf Obr. 2d: McCulloh-Meeterův graf Obr. 2e: L-R graf

19/24 7.1.4 Indexové grafy Indexové grafy upozorňují na podezřelé body. Andrewsův graf: 1, 2, 3, 6, 11, 16, 57, 66, 80, 84 Graf normovaných reziduí: 3, 6, 11, 57, 66, 84 Graf prvků Hprojekční matice: 1, 6, 11, 30, 57, 67, 82, 84 Obr. 3a: Andrewsův graf Obr. 3b: Graf normovaných reziduí Obr. 3c: Graf prvků Hprojekční matice

20/24 7.1.5 Rankitové grafy Ukazují vedle normality rozdělení dotyčných reziduí i na vlivné (odlehlé) body. Graf normovaných reziduí: 3, 6, 11, 84 (event. 1, 2, 10, 16, 51, 57, 66, 82,?) Andrewsův graf: 3, 6, 11, 57, 66, 84 Graf predikovaných reziduí: 3, 6, 11, 57, 66, 84 Graf Jackknife reziduí: 3, 6, 11, 84 (event. 1, 2, 10, 16, 51, 57, 66, 82,?) Obr. 4a: Graf normovaných reziduí Obr. 4b: Andrewsův graf Obr.4c: Graf predikovaných reziduí Obr.4d: Graf Jackknife reziduí 7.2 Kritika modelu Parciální regresní a reziduální grafy ukazují na lineární charakter nezávisle proměnných. Směrnice jsou různé od nuly, proměnné nebude třeba vylučovat.

21/24 Obr. 5a: Parciální regresní graf pro x1 Obr. 5b: Parciální regresní graf pro x2 Obr. 5c: Parciální regresní graf pro x3 Obr. 6a: Parciální reziduální graf pro x1 Obr. 6b: Parciální reziduální graf pro x2 Obr. 6c: Parciální reziduální graf pro x3

22/24 7.3 Kritika metody Závěry statistických testů ukazují, že předpoklady MNČ mimo požadavek konstantnosti rozptylu, Cook-Weisbergův test heteroskedasticity jsou splněny. TESTOVÁNÍ REGRESNÍHO TRIPLETU (DATA + MODEL + METODA): Fisher-Snedocorův test významnosti regrese, F Tabulkový kvantil, F(1-alpha,m-1,n-m) : 6.0160E+02 : 2.7188E+00 Závěr: Navržený model je přijat jako významný. Spočtená hladina významnosti : 0.000 Scottovo kriterium multikolinearity, M :-4.7244E-16 Závěr: Navržený model je korektní. Cook-Weisbergův test heteroskedasticity, Sf Tabulkový kvantil, Chi^2(1-alpha,1) : 6.7390E+02 : 3.8415E+00 Závěr: Rezidua vykazují heteroskedasticitu. Spočtená hladina významnosti : 0.000 Jarque-Berraův test normality reziduí, L(e) Tabulkový kvantil, Chi^2(1-alpha,2) : 2.8156E+00 : 5.9915E+00 Závěr: Normalita je přijata. Spočtená hladina významnosti : 0.245 Waldův test autokorelace, Wa Tabulkový kvantil, Chi^2(1-alpha,1) : 7.5319E-01 : 3.8415E+00 Závěr: Rezidua nejsou autokorelována. Spočtená hladina významnosti : 0.385 Znaménkový test, Dt Tabulkový kvantil, N(1-alpha/2) : 0.0000E+00 : 1.6449E+00 Závěr: Rezidua nevykazují trend. Spočtená hladina významnosti : 0.500 Obr. 7a: Graf autokorelace Obr. 7b: Graf heteroskedasticity

23/24 7.4 Závěr regresní diagnostiky Body č. 3, 6, 11, 57, 66 a 84 jsou opakovaně indikovány jako odlehlé a je třeba je ze souboru dat vyloučit. 8. KONSTRUKCE ZPŘESNĚNÉHO MODELU A ZÁVĚR Po odstranění bodů č. 3, 6, 11, 57, 66 a 84 byly nalezeny nové odhady regresních parametrů: Parametr Odhad Směrodatná odchylka TestH0:B[j]=0vs.HA:B[j]<>0 t-kriterium Hypotéza H0 je Hlad. výz. B[0] 5.8604E+01 7.4335E-01 7.8838E+01 Zamítnuta 0.000 B[1] -2.3280E+01 2.9381E+00-7.9233E+00 Zamítnuta 0.000 B[2] -1.3360E-01 3.0775E-03-4.3412E+01 Zamítnuta 0.000 B[3] -9.9521E-02 5.3090E-03-1.8746E+01 Zamítnuta 0.000 Statistická charakteristika Původní model Zpřesněný model Vícenásobný korelační koeficient, R 9.7855E-01 9.8452E-01 Koeficient determinace, R^2 9.5756E-01 9.6928E-01 Predikovaný korelační koeficient, Rp^2 9.7555E-01 9.8226E-01 Střední kvadratická chyba predikce,mep 1.7452E+00 1.1563E+00 Akaikeho informační kritérium, AIC 4.3916E+01 8.8084E+00 Zpřesněný model má tvar (v závorkách je vždy uveden odhad směrodatné odchylky parametru): y = 58.60 (0.74) 23.28 (2.94) x 1 0.1336 (0.0031) x 2 0.0995 (0.0053) x 3 kde y = T g, A,, max [ C] x 1 = R t, wa [K.m 2.W -1 ] x 2 = M [W.m -2 ] x 3 = RH [%] Jelikož došlo k významnému snížení hodnot rozhodujících kritérií, střední kvadratické chyby predikce MEM a Akaikeho informačního kritéria AIC, lze považovat odhady parametrů zpřesněného modelu (po odstranění odlehlých hodnot) za lepší než původní. Vícenásobný korelační koeficient R, koeficient determinace R 2 apredikovaný korelační koeficient Rp 2 vycházejí rovněž příznivěji než u původního modelu. Závěry statistických testů ukazují, že předpoklady MNČ mimo požadavek konstantnosti rozptylu, Cook-Weisbergův test heteroskedasticity jsou splněny. Heteroskedasticitu se nepodařilo odstranit ani použitím statistických vah. K použitým datům (Směrnice č. 46/1978 = Směrnice o hygienických požadavcích na pracovní prostředí) nutno podotknout, že modelovaná závislost je funkcí více vysvětlujících proměnných, než pro které jsou zdrojové grafické přílohy vytvořeny. Např. není uvažována teplota vzduchu, relativní rychlost proudění vzduchu, barometrický tlak, podíl povrchu těla zakrytý oděvem atd., tj. veličiny mající vliv na rychlost odpařování potu z těla. Jinými slovy grafické přílohy byly z původních dat vytvořeny na základě zjednodušujících předpokladů.

24/24 TESTOVÁNÍ REGRESNÍHO TRIPLETU (DATA + MODEL + METODA): Fisher-Snedocorův testvýznamnosti regrese,f : 7.7823E+02 Tabulkový kvantil, F(1-alpha,m-1,n-m) : 2.7283E+00 Závěr: Navržený model je přijat jako významný. Spočtená hladina významnosti : 0.000 Scottovo kriterium multikolinearity, M : 7.7510E-03 Závěr: Navržený model je korektní. Cook-Weisbergův test heteroskedasticity, Sf : 7.2139E+02 Tabulkový kvantil, Chi^2(1-alpha,1) : 3.8415E+00 Závěr: Rezidua vykazují heteroskedasticitu. Spočtená hladina významnosti : 0.000 Jarque-Berraův test normality reziduí, L(e) : 2.4300E+00 Tabulkový kvantil, Chi^2(1-alpha,2) : 5.9915E+00 Závěr: Normalita je přijata. Spočtená hladina významnosti : 0.297 Waldův test autokorelace, Wa : 1.7974E+00 Tabulkový kvantil, Chi^2(1-alpha,1) : 3.8415E+00 Závěr: Rezidua nejsou autokorelována. Spočtená hladina významnosti : 0.180 Znaménkový test, Dt :-1.3081E-02 Tabulkový kvantil, N(1-alpha/2) : 1.6449E+00 Závěr: Rezidua nevykazují trend. Spočtená hladina významnosti : 0.495

Název souboru: Priklad4 Adresář: E:\VYUKA\LS\Diskety\LS89002\Pavek\Linregrese Šablona: D:\Program Files\Microsoft Office\Sablony\Normal.dot Název: 1 Předmět: Autor: OEM Klíčová slova: Komentáře: Datum vytvoření: 20.08.00 15:48 Číslo revize: 41 Poslední uložení: 23.08.00 13:01 Uložil: OEM Celková doba úprav: 700 min. Poslední tisk: 14.09.00 14:32 Jako poslední úplný tisk Počet stránek: 24 Počet slov: 4 950 (přibližně) Počet znaků: 28 219 (přibližně)