Lineární regrese ( ) 2

Podobné dokumenty
Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA

Doc. Ing. Dagmar Blatná, CSc.

SP2 Korelační analýza. Korelační analýza. Libor Žák

Chyby přímých měření. Úvod

, jsou naměřené a vypočtené hodnoty závisle

S k l á d á n í s i l

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Digitální učební materiál

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

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

Přednáška č. 2 náhodné veličiny

P1: Úvod do experimentálních metod

Generování dvojrozměrných rozdělení pomocí copulí

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

8.1.2 Vzorec pro n-tý člen

Odhady parametrů 1. Odhady parametrů

8.1.2 Vzorec pro n-tý člen

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

PRAVDĚPODOBNOST A STATISTIKA

NEPARAMETRICKÉ METODY

[ jednotky ] Chyby měření

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

2. Vícekriteriální a cílové programování

9. Měření závislostí ve statistice Pevná a volná závislost

Úvod do teorie měření

Úvod do zpracování měření

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Spolehlivost a diagnostika

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

3. Charakteristiky a parametry náhodných veličin

METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

1. Základy měření neelektrických veličin

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

ANALÝZA A KLASIFIKACE DAT

6. Posloupnosti a jejich limity, řady

Intervalové odhady parametrů

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

VY_52_INOVACE_J 05 01

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli

Úvod do korelační a regresní analýzy

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

a další charakteristikou je četnost výběrového souboru n.

Téma 5: Analýza závislostí

Deskriptivní statistika 1

Univerzita Karlova v Praze Pedagogická fakulta

Regresní a korelační analýza

HYPOTEČNÍ ÚVĚR. , kde v = je diskontní faktor, Dl počáteční výše úvěru, a anuita, i roční úroková sazba v procentech vyjádřená desetinným číslem.

Pravděpodobnostní modely

Závislost slovních znaků

4.2 Elementární statistické zpracování Rozdělení četností

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

Mendelova univerzita v Brně Statistika projekt

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

12. N á h o d n ý v ý b ě r

5. Lineární diferenciální rovnice n-tého řádu

IV. MKP vynucené kmitání

} kvantitativní znaky

12. Regrese Teoretické základy

Univerzita Karlova v Praze Pedagogická fakulta

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Intervalové odhady parametrů některých rozdělení.

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení

M - Posloupnosti VARIACE

Náhodný výběr 1. Náhodný výběr

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

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

Zhodnocení přesnosti měření

ANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

Pravděpodobnost a aplikovaná statistika

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

2. TEORIE PRAVDĚPODOBNOSTI

Pravděpodobnostní model doby setrvání ministra školství ve funkci

11. Časové řady Pojem a klasifikace časových řad

Odhady a testy hypotéz o regresních přímkách

Úloha III.S... limitní

3. cvičení 4ST201 - řešení

9.3.5 Korelace. Předpoklady: 9304

STATISTIKA. Základní pojmy

Transkript:

Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující závslost mez aměřeým velčam. Jeda z ejčastějších metod je metoda ejmeších čtverců. Mějme aměřeých dvojc [ ; ], terým proládáme řvu určeou rovcí f (). Hledáme taovou fuc f (), terá má mmálí součet druhých moc rozdílů psloových souřadc aměřeých bodů a bodů ležících a proložeé řvce: ( ) f( ) je mmálí Z matemat víte, že taovému výpočtu slouží parcálí dervace, teré položíme rov ule. Obecě lze teto postup aplovat a řadu fucí f (), ale ejčastěj se používá pro apromac dat přímou f() +, čl tzv. leárí regres. R [Ω] 4 8 6 4 Závslost eletrcého odporu ovu a teplotě 3 4 5 6 7 8 t [ C]

Leárí regrese Přesé odvozeí regresích oefcetů a lze alézt v lteratuře, zde uvádím až výsledé vztah: Vhodost použtí leárí regrese ověříme pomocí orelačího oefcetu r, jehož hodota leží v tervalu <-; >. Apromace přímou je oprávěá, je-l r >,99 (tzv. pravdlo dvou devíte). Pro výpočet platí vztah: ( )( ) ( ) ( ) r, de a Pro odchl alezeých regresích oefcetů platí vztah: ( ) a ( ) de Iterval spolehlvost staoveí regresích oefcetů, a ted jejch přesost, závsí a těchto odchlách a zvoleé pravděpodobost P. tudetův součtel t P,(-) má parametr - a P 95 %. Výpočt regresích oefcetů a jejch chb emusíte provádět ručě, je výhodé použít výpočetí techu (alulač, program pro PC ). Napřílad v programu EXCEL slouží těmto výpočtům fuce LINREGREE() používaá jao matcový vzorec.

Leárí regrese Přílad: Blo provedeo měřeí závslost eletrcého odporu ovu a teplotě (aměřeá data vz. tabula íže). Je možé zísaá data proložt přímou? Určete parametr přím ejlépe vsthující zísaou závslost včetě jejch chb. t [ C] 8,3 4,5 9,9 37,3 4,7 47,7 5, 58,7 6,7 66, R [Ω] 73 87 6 37 64 87 96 9 36 56 Nejprve spočteme regresí oefcet: r ( t t)( R R) ( t t) ( R R),997598 Z jeho velost vplívá, že aměřeá data lze oprávěě proložt přímou +. tr t t t R t t t R 5 76,7 438,9 67 3,94796 666, ( 438,9) tr 666, 67 438,9 5 76,7 993,8 666, t ( 438,9) ( ) t t 8 8,5366 [ 666,, ( 438,9) ],969 ( ) t t tudetův součtel t,95; 9,36. t 8,5366, 666, 8 [ 666,, ( 438,9) ] 4,589 Naměřeá data lze proložt přímou s parametr: (3,9 ±,) a (99 ± ) 3

Leárí regrese Zpracováí dat pomocí programu EXCEL K provedeí leárí regrese slouží fuce LINREGREE( ). Je vša uté j použít jao tzv. matcový vzorec. Postup s uážeme a řešeí předchozího příladu: Vzačíme oblast 3 řád sloupce a apíšeme vzorec s fucí pro výpočet leárí regrese: Fuce LINREGREE( ) má čtř parametr, teré oddělujeme středíem. Prví parametr je oblast -ových hodot, druhý parametr je oblast -ových hodot. Třetí parametr udává, zda má být regresí oefcet rove ule (parametr astave a ), ebo se jeho hodota má spočítat (parametr astave a ebo eí uvede). Čtvrtý parametr astave a zameá, že chceme zjstt další regresí statst (apř. odchl oefcetů). 4

Leárí regrese Místo láves ENTER stseme trojombac láves CTRL + HIFT + ENTER. Ve vzačeé oblast 3 se pa achází příslušé regresí oefcet, jejch odchl a druhá moca orelačího oefcetu. Rozmístěí je zázorěo v ásledující tabulce (údaj v bílém políču ás ezajímá): Určíme hodotu tudetova součtele t P,(-) pomocí fuce TINV( ). Tato fuce má dva parametr prví je pravděpodobost, že výslede bude ležet mmo terval spolehlvost (pro zvoleou pravděpodobost P je to - P/) a druhým parametrem je počet stupňů volost (pro měřeí je to -). 5

Leárí regrese Určíme terval spolehlvost regresích oefcetů a orelačí oefcet. Výsledem je ted proložeí dat přímou + s regresím oefcet (3,9 ±,) a (99 ± ). Korelačí oefcet,9976, leárí regres je ted možé použít. r 6

Leárí regrese Pozáma: Ja souvsí zísaé regresí oefcet s materálovým ostatam zoumaého ovu? Pro teplotí závslost ovu platí vztah: ( + t) R R α de α je teplotí součtel eletrcého odporu a R je odpor ovu př teplotě C., Vztah rozásobíme a porováme s rovcí přím + :,,, Materálové ostat α a R určíme ted jao: R, α Pro chb pa můžeme odvodt vztah: R R α α α + + α + V předchozím příladu bla aměřeá data proložea přímou + s regresím oefcet (3,9 ±,) a (99 ± ). Materálové ostat α a R jsou ted: R (99 ±) Ω α (3,9 ±,) -3 K 7