Přednáška č. 9 Korelace, metody regresní analýzy, výpočet parametrů lineární regrese, nelineární regrese

Podobné dokumenty
Řízení otáček změnou počtu pólů

Charakteristiky centrální polohy. Základní statistické pojmy. - Populace, jedinec, vzorek, znak. Typy proměnných

Lineární zobrazení. 90 ve směru od z k x a symbolem h otočení kolem osy z o. 2 n

KLUZNÁ LOŽISKA DĚLENÁ konstrukce

Nekonečné řady. 1. Nekonečné číselné řady 1.1. Definice. = L L nekonečnou posloupnost reálných čísel. a) Označme { a }

Porovnání výsledků analytických metod

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

Kupní smlouva číslo: č. zhotovitele: 3396/2013/169. Město Bohumín Masarykova , Bohumín Ing. Petrem Víchou, starostou města

3 Stanovení hmotnosti kolejových vozidel

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

M - Posloupnosti VARIACE

a další charakteristikou je četnost výběrového souboru n.

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

Zobrazení goniometrických funkcí na jednotkové kružnici, významné hodnoty goniometrických funkcí. Řešení goniometrických rovnic.

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

, jsou naměřené a vypočtené hodnoty závisle

Lineární regrese ( ) 2

v mechanice Využití mikrofonu k

8.2.7 Geometrická posloupnost

ZÁKLADNÍ INFORMACE O SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA

1.8.1 Mnohočleny, sčítání a odčítání mnohočlenů

Střední průmyslová škola strojní a elektrotechnická. Resslova 5, Ústí nad Labem. Fázory a komplexní čísla v elektrotechnice. - Im

( ) Spoříme a půjčujeme II. Předpoklady:

České vysoké učení technické v Praze, Fakulta strojní. DPŽ + MSK Jurenka, příklad I. Dynamická pevnost a životnost. Jur, příklad I

Metodická pomůcka. Využívání záruk ČMZRB k zajišťování bankovních úvěrů

Vlastnosti posloupností

Generování dvojrozměrných rozdělení pomocí copulí

{ } ( ) ( ) Vztahy mezi kořeny a koeficienty kvadratické rovnice. Předpoklady: 2301, 2508, 2507

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

2.2.9 Grafické řešení rovnic a nerovnic

2.5.9 Vztahy mezi kořeny a koeficienty kvadratické rovnice

Postup práce a) Připravte si 50 ml roztoku NaOH o koncentraci 1 mol.dm-3 a) Určení měrné a molární otáčivosti sacharózy ve vodném roztoku

2.5.9 Vztahy mezi kořeny a koeficienty kvadratické rovnice

4. Spline, Bézier, Coons

Univerzita Karlova v Praze Pedagogická fakulta

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY DUBNA 2018

Algebraický výraz je číselný výraz s proměnou. V těchto výrazech se vyskytují vedle reálných čísel také proměnné. Například. 4a 4,5x + 6,78 7t.

Základní elementární funkce.

Technická specifikace předmětu plnění. VR Organizace dotazníkového šetření mobility obyvatel města Bratislavy

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2019

Chemické rovnováhy v analytické chemii

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

Obecnou rovnici musíme upravit na středovou leží na kružnici musí vyhovovat její rovnici dosadíme ho do ní.

Úvod do korelační a regresní analýzy


p = 6. k k se nazývá inverze v permutaci [ ] MATA P7 Determinanty Motivační příklad: Řešte soustavu rovnic o dvou neznámých: Permutace z n prvků:

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

Odpisy a opravné položky pohledávek

D = H = 1. člen posloupnosti... a 1 2. člen posloupnosti... a 2 3. člen posloupnosti... a 3... n. člen posloupnosti... a n

Cíl kapitoly: Cílem této č{sti je naučit se při debutov{ní číst hexadecim{lní hodnoty odpovídající z{znamu celých a re{lných čísel.

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

nazveme číselným vektorem. Čísla a Definice. Vektor, jehož všechny složky se rovnají nule, se nazývá nulový vektor o r = (0, 0, 0,, 0).

Změny ve mzdách systému EKONOM od

SHRNUTÍ LÁTKY 7. ROČNÍKU Mgr. Iva Strolená

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.5.6 Osa úhlu. Předpoklady:

STEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ

1. Kristýna Hytychová

Studijní předmět: Základy teorie pravděpodobnosti a matematická statistika Ročník:

CZ. Regulační ventil najížděcí G

NÁVODNÁ STRUKTURA MÍSTNÍHO AKČNÍHO PLÁNU VZDĚLÁVÁNÍ

Seznámíte se s použitím určitého integrálu při výpočtu hmotnosti, statických momentů, souřadnic těžiště a momentů setrvačnosti.

Stanovisko Rekonstrukce státu ke komplexnímu pozměňovacímu návrhu novely služebního zákona

KMITÁNÍ KLIKOVÝCH HŘÍDELŮ

Kapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2018

Tabulka 1. d [mm] 10,04 10,06 10,01 9,98 10,01 10,03 9,99 10,01 9,99 10,03

Řízení nárůstu tažné síly

Posloupnosti ( 1) ( ) 1. Různým způsobem (rekurentně i jinak) zadané posloupnosti. 2. Aritmetická posloupnost

ÚŘAD PRO OCHRANU HOSPODÁŘSKÉ SOUTĚŽE ROZHODNUTÍ

Metoda klíčových ukazatelů pro činnosti zahrnující zvedání, držení, nošení

Výzva k podání nabídek

Změny detekované monitorem služeb na OPM 1. Konec SZ Vybere ta OPM, která v intervalu <aktuální den, D>:

8.2.6 Geometrická posloupnost

VÝPIS Z KATASTRU NEMOVITOSTÍ prokazující stav evidovaný k datu :40:43

Přídavky na děti v mezinárodních případech (Evropská unie, Evropský hospodářský prostor a Švýcarsko) Použití nadstátního práva

6. Kombinatorika. Kombinatorické pravidlo součinu platí i pro případ více než dvou nezávislých činností.

Posloupnosti a řady. Obsah

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

9. Měření závislostí ve statistice Pevná a volná závislost

9. Racionální lomená funkce

Digitální učební materiál. III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Příjemce podpory Gymnázium, Jevíčko, A. K.

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2019

Odchylka přímek. ϕ 0;180. Předpoklady: 7208, 7306

z vektorového prostoru V se nazývá lineárně nezávislá jestliže rovnice...

8. Elementární funkce

Portál veřejné správy

FYZIKA I. Newtonovy pohybové zákony

VÝPIS Z KATASTRU NEMOVITOSTÍ prokazující stav evidovaný k datu :15:02

Hyperbola, jejíž střed S je totožný s počátkem soustavy souřadnic a jejíž hlavní osa je totožná

6 Stabilita lineárních diskrétních regulačních obvodů

Vnitřní předpis města Náchoda pro zadávání veřejných zakázek malého rozsahu (mimo režim zákona č. 137/2006 Sb., o veřejných zakázkách)

Testování statistických hypotéz

CZ. Regulační ventily G41...aG

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků).

SP2 Korelační analýza. Korelační analýza. Libor Žák

Transkript:

Předášk č 9 relce, metd regresí lýz, výpčet prmetrů leárí regrese, eleárí regrese relce krelčí kefcet Př zkumáí závslstí mez dvěm velčm jsu mžé dv druh závslstí: - fukcálí závslst, kd ke kždé hdtě jedé áhdé velč je přřze určtá hdt druhé áhdé velč, - stchstcká závslst, ke kždé hdtě jedé áhdé velč je přřze určtá průměrá hdt druhé áhdé velč Zvláštím přípdem stchstckých závslstí jsu krelčí závslst relčí závslst mez áhdým velčm je mžé vjádřt kvrcí krelčím kefcetem vrce áhdých velč X,Y je defvá ásledujícím způsbem Pkud áhdé velč X, Y jsu ezávslé pk pr středí hdt pltí E( X Y ) E( X ) E( Y ) Pr velč závslé vzth epltí rzdíl středích hdt je defvá jk kvrce E( X Y ) E( X ) E( Y ) Závslst áhdých velč je kvrcí vjádře v bslutích hdtách je btížé psudt míru závslst áhdých velč Z tht důvdů se k vjádřeí mír závslst (těsst vzthu) pužívá pměrá hdt zčvá jk krelčí kefcet relčí kefcet se určuje dle vzthu kde: středí směrdtá dchlk áhdé velč X středí směrdtá dchlk áhdé velč Y Vlstst krelčíh kefcetu: - hdt krelčíh kefcetu je v mezích -, - leárí trsfrmcí áhdých velč se bslutí hdt krelčíh kefcetu eměí, - jsu-l áhdé velč ezávslé je krelčí kefcet = 0, - pr hdtu > 0 je krelce kldá (bě áhdé velč se měí ve stejém směru), - pr hdtu < 0 je krelce záprá (velč X,Y se měí v pčém směru) Regresí lýz Je ltcká sttstcká metd která umžňuje: - určeí vhdéh vzthu (regresí fukce) mez dvěm č více závslým áhdým velčm, - určeí mír těsst vzthu (regresí fukce) s hdtm výběrvéh subru

Pstup určeí regresí fukce (pr přípd dvu áhdých velč) ) lzvé áhdé velč X,Y jsu ppsá výběrvých subrem vzájemě přřzeých dvjc, ;, ;, ) zvlíme jedu z velč jk ezávslu áhdu velču X, druhá velč bude závslá Y 3) kždé hdtě dpvídá řd hdt velč závslé Y Pr pps výsktu hdt závslé áhdé velč se vlí rmálí áhdá velč 4) Středí hdt závslé áhdé velč Y je pdmíěu středí hdtu pr hdtu ezávslé áhdé velč 5) Regresí fukce f() je spjcí pdmíěých středích hdt 6) Tp průběhu regresí fukce se vlí pdle vlststí výběrvéh subru určeí prmetrů regresí fukce určíme z pždvku mmálích dchlek mez výběrvým subrem teretcku regresí fukcí 7) Míru těsst regresí fukce vjdřuje regresí kefcet Obr Schém pr určeí regresí fukce Výpčet leárí regrese Leárí regrese je zákldím tpem vzthu dvu áhdých velč je vjádře vzthem Y ( ) f ( ) X prmetr jsu kstt, Výpčet kstt se prvádí z pždvku mmálí velkst sučtu druhých mc dchlek Schém leárí regrese je ásledujícím brázku

Celkvu velkst druhých mc dchlek lze pst ve tvru rmálvé rvce Y Pždvek mmálí velkst dchlek bude splě př zvleém tpu leárí regrese pkud pltí 0 cž bude splě pkud 0 ) ( 0 ) ( Nezámé v těcht vztzích jsu kstt, P rzepsáí d dílčích sumcí řešíme sustvu dvu rvc 0 0 Výsledek řešeí sustv rvc jsu vzth pr výpčet prmetru regresí přímk ve tvru stt, bl urče z hdt výběrvéh subru prt jsu t bdvé dhd Věrhdst jejch dhdu závsí vlststech výběrvéh subru zejmé velkst subru stt mjí určtu vrbltu, kteru můžeme číselě určt rzptlem Vpčteme chrkterstku vrblt hdt regresí přímce Y

rzptl kstt budu ( Y ) Výpčet regresíh kefcetu Schém pr výpčet je ásledujícím brázku psuzeí těsst je vhdcvá vzth vrblt středí hdt ezávslé áhdé velč vrblt hdt regresí fukc Regresí kefcet se zjšťuje dhdem zákldě vhdceí výběrvéh subru Regresí kefcet má bdbé vlstst jk krelčí kefcet Velkst kefcetu je v rzmezí - r Odhd středí hdt pdmíěých středích hdt závslé áhdé velč Rzptl závslé áhdé velč Rzptl vzhledem k teretckým hdtám (hdtám regresí přímce) Regresí kefcet Y R r

Pzámk: pkud je regresí kefcet r = l pk vpčteá regresí přímk (fukce) prchází všem bd výběrvéh subru Větší hdt regresíh kefcetu vjdřují všší těsst regresí fukce k hdtám epermetálím Výpčet regresíh kefcetu lze prvést pužtím hdt výběrvéh subru dle vzthu r Neleárí regrese Pkud vbrý tvr regresí fukce eí přímk jedá se eleárí regresí lýzu výpčtu eleárí regrese lze pužít předchzí ter s tím, že půvdí áhdé velč vhdu trsfrmcí převedeme d leárí závslst Výpčet prvedeme v lerzvých suřdcích Vhdé tp eleárí regrese jsu v ásledující tbulce Regresí fukce Trsfrmce Lerzvý tvr Y = b Z = lg Y Lg Y = lg + lg b Y = e b Z = lg Y Lg Y = lg + 0,4343 b Y = + b Z = Y = + b Z Y = /(+b ) Z = /Y Z = + b Y = + b/ Z = / Y = +b Z Y = b trsfrmce Z = lg Y trsfrmce u = lg Spermův krelčí kefcet přdvé krelce Z = lg + b lb Z = lg + b u Tet kefcet vhdcuje přdí hdt áhdé velč Jestlže áhdá velč bývá v subru hdt:,,, uspřádáme tt hdt d rstucí pslupst jedtlvým hdtám přřdíme přdvé čísl v pslupst Pkud se ěkterá hdt pkuje ěklkrát, přřdíme všem těmt hdtám ttéž přdvé čísl, které vpčteme jk průměr všech přdvých čísel, které b hdt měl, pkud b ásledvl bezprstředě p sbě Př psuzváí vzájemě přřzeých dvjc áhdých velč X, Y pstupujeme u bu áhdých velč stejým způsbem Získáme tk dvě suvsící pslupst Pr uspřádu dvjc, určíme rzdíl d relčí kefcet vhdcuje průběh dferecí je defvá vzthem s 6 d ( ) relčí kefcet přdvé krelce (stručě Spermův kefcet) má pdbý výzm jk krelčí kefcet dříve defvý

Testváí hptéz klerčím kefcetu I) Testváí krelčí ezávslst ) Frmulce hptéz H : = 0 ltertví H : 0 pr hldu výzmst Test bude bustrý ) Výpčet chrkterstk výběrvéh subru Z výběrvéh subru dvurzměré áhdé velč četst dvjc hdt vpčteme dhd krelčíh kefcetu 3) Výpčet testvcíh krtér T Testvcí krtérum je áhdá velč Studetv pčtu stupňů vlst k=- 4) Určeí krtcké hdt testvcíh krtér Pr přípd bustréh testu určíme dvě krtcké hdt dpvídjící kvtlům velč t k t T t Tkr, k kr, k 5) Pltst H Pr přjetí hptéz se musí skutečá hdt testvcíh krtér vsktvt mez krtckým hdtm T T T kr kr Pzámk: m hdtu bdvéh dhdu krelčíh kefcetu, př které můžeme pr hldu výzmst předpkládt velč ezávslé ( = 0) lze určt dle vzthu t t, k, k II) Teství velkst krelčíh kefcetu ) Frmulce hptéz H : = = kst ltertví H : pr hldu výzmst Test bude bustrý ) Výpčet chrkterstk výběrvéh subru Z výběrvéh subru dvurzměré áhdé velč četst dvjc hdt vpčteme dhd krelčíh kefcetu

3) Výpčet testvcíh krtér 3 T l l Testvcí krtérum je áhdá velč rmálí rmvá 4) Určeí krtcké hdt testvcíh krtér Pr přípd bustréh testu určíme dvě krtcké hdt dpvídjící kvtlům velč rmálí rmvé áhdé velč T kr u T kr u 5) Pltst H Pr přjetí hptéz se musí skutečá hdt testvcíh krtér vsktvt mez krtckým hdtm T T T kr kr III Testváí shdst krelčích kefcetů dvu dvjrzměrých áhdých velč Př testu se psuzuje, zd zákldě vlststí dvu výběrů, které ppsují dvjrzměré áhdé velč můžeme přjmut sttstcku hptézu stejých závslstech velč v zákldích subrech ) Frmulce hptéz H : = ltertví H : pr hldu výzmst Test bude bustrý ) Výpčet chrkterstk výběrvéh subru Z výběrvých subrů dvurzměrých áhdých velč četst dvjc hdt vpčteme dhd krelčích kefcetů pměré hdt U l 3) Výpčet testvcíh krtér U l T ( U U ) 3 3 Testvcí krtérum je áhdá velč rmálí rmvá

4) Určeí krtcké hdt testvcíh krtér Pr přípd bustréh testu určíme dvě krtcké hdt dpvídjící kvtlům velč rmálí rmvé áhdé velč T kr u T kr u 5) Pltst H Pr přjetí hptéz se musí skutečá hdt testvcíh krtér vsktvt mez krtckým hdtm T T T kr kr