Линейная парная регрессия
Определение зависимости одной физической величины от другой. Проблема возникновения ошибок измерения. Воспроизведение по имеющимся экспериментальным точкам искомой зависимости. Применение метода линейной парной регрессии для решения задачи, его сущность.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 30.10.2013 |
Размер файла | 347,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Оглавление
- Введение
- Теоретические сведения
- Задача
- Выполнение задания в среде MathCad
- Заключение
Введение
Курс математических методов обработки данных необходим для приобретения знаний и навыков в обработки экспериментальных данных, проведению эксперимента.
Исследовательская работа построена на проведение различных экспериментов и очень важно владеть методами обработки результатов и правильно их оценивать.
Целью курсовой работы является закрепление знаний, полученных на II курсе при решении задач, связанных с будущей профессиональной деятельностью студентов в области автоматизации. Курсовая работа предполагает решение студентом задачи по полученным результатам в лаборатории установить зависимость этих данных и оценить ее.
При проведении опыта целью которого, является определение зависимости одной физической величины от другой неизбежно возникают ошибки измерения, поэтому возникает задача по имеющимся экспериментальным точкам наилучшим способом воспроизвести искомую зависимость. Для решения подобных задач часто применяют метод линейной парной регрессии, именно с помощью этого метода я буду решать свою задачу.
Курсовую работу по обработке данных буду проводить с помощью программного обеспечения Mathcad.
Теоретические сведения
Линейная парная регрессия.
Задача линейного регрессионного анализа состоит в восстановлении функциональной зависимости
по результатам измерений
.
Уравнение (эмпирическая регрессия)
,
определяет прямую, которая является оценкой истинной линии регрессии. Необходимо вычислить точечные и интервальные оценки для параметров по результатам эксперимента и проверить значимость полученного уравнения регрессии.
Вычисление коэффициентов всегда производится с использованием метода наименьших квадратов, но этот метод фиксирует лишь "стратегию" получения эмпирических оценок, допуская различные "тактические приемы", что приводит к большому разнообразию конкретных математических постановок задач, методов и формул получения оценок даже в рассматриваемом здесь простейшем случае линейной регрессии. Отметим некоторые из них.
Коэффициенты регрессии можно вычислить
минимизируя сумму квадратов отклонений:
;
численно решая систему уравнений:
,;
решая (с использованием точных или итерационных методов) систему нормальных уравнений, предварительно сформировав ее в явном виде:
;
решая систему нормальных уравнений аналитически:
,, или
,
, , ,
или, если предварительно вычислены оценки дисперсий и коэффициента корреляции
, ,
, то
, .
Доверительные интервалы для коэффициентов регрессии , соответствующие доверительной вероятности , имеют вид:
,
, или
,
,
где - квантиль распределения Стьюдента, определяемый как корень уравнения
,
- функция распределения Стьюдента с степенями свободы.
Доверительная область для всей линии регрессии определяется с помощью уравнений
,
,
описывающих соответственно нижнюю и верхнюю границы области ("полосы"), в которой с доверительной вероятностью лежит истинная линия регрессии. Здесь - квантиль распределения Фишера, определяемый как решение уравнения
;
- функция распределения Фишера с и степенями свободы, - "остаточная" дисперсия, характеризующая рассеяние экспериментальных точек относительно линии регрессии
линейная парная регрессия
.
Для проверки значимости уравнения регрессии в целом используется критерий Фишера: если
,
то уравнение регрессии адекватно (статистически значимо) описывает результаты эксперимента при () - процентном уровне значимости.
Отношение (полной и остаточной дисперсий) показывает, во сколько раз уравнение регрессии предсказывает результаты опыта лучше, чем среднее .
Необходимо помнить, что доверительная оценка отклонения эмпирической линии регрессии от теоретической существенно ухудшается по мере удаления от среднего значения . В частности, по этой причине опасна экстраполяция эмпирической регрессионной зависимости за пределы интервала , для которого она получена.
Задача
В ходе эксперимента изучалась способность углерода вызывать замедленное разрушение стали. Целью исследования являлось изучение связи между прилагаемой нагрузкой и временем выдержки. Результаты эксперимента приведены в таблице.
Найти уравнение регрессии.
Оценить адекватность зависимости.
Приложенная нагрузка и логарифм времени выдержки |
||||
Выборка 1 |
Выборка 2 |
|||
Приложенная нагрузка X*10^3 фунт/кв. дюйм |
Логарифм времени выдержки Y в минутах |
Приложенная нагрузка X*10^3 фунт/кв. дюйм |
Логарифм времени выдержки Y в минутах |
|
200 |
0,1139 |
190 |
1,7782 |
|
185 |
0,0000 |
180 |
1,6021 |
|
185 |
0,0000 |
160 |
1,7782 |
|
175 |
0,3010 |
160 |
1,7324 |
|
175 |
0,3010 |
150 |
1,8921 |
|
160 |
0,2553 |
140 |
1,8195 |
|
150 |
0,2788 |
125 |
2,0086 |
|
135 |
0,3010 |
|||
135 |
0,4150 |
|||
125 |
0,3979 |
Выполнение задания в среде MathCad
Выборка №1
Выборка №2
Заключение
В курсовой работе мне была поставлена задача по данным эксперимента проведенным в лаборатории найти уравнение регрессии и оценить ее адекватность.
Эту задачу я решал с помощью программного обеспечения Mathcad.
Мною был построен график для каждой из выборок по полученным значениям на котором наглядно видно, что коэффициент детерминации получился близким к единице, при дальнейших расчетах я установил, что для первой выборки он равен 0,791, а для второй выборки он равен 0,775 это свидетельствует о том, что модель адекватна, следовательно, установленная мною зависимость верна.
Размещено на Allbest.ru
Подобные документы
Определение зависимости одной физической величины от другой. Применение метода наименьших квадратов с помощью программного обеспечения Mathcad. Суть метода наименьших квадратов. Корреляционный анализ, интерпретация величины корреляционного момента.
курсовая работа [63,8 K], добавлен 30.10.2013Функции ввода-вывода строк и символов языка Си. Вычисление среднего значения, дисперсии, среднеквадратических отклонений х и у, коэффициента парной корреляции, регрессии двух функций, остаточных дисперсий. Расчет параметров регрессионных зависимостей.
курсовая работа [421,7 K], добавлен 12.03.2016Построение корреляционного поля, гипотеза связи исследуемых факторов. Определение коэффициента корреляции. Оценка статистической значимости вычисленных коэффициентов корреляции. Параметры уравнения линейной парной регрессии, коэффициента эластичности.
реферат [526,7 K], добавлен 10.11.2010Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели. Оценка параметров регрессии по методу наименьших квадратов. Нахождение определителей матриц. Применение инструмента Регрессия.
контрольная работа [1,0 M], добавлен 13.01.2013Рассмотрение основ проведения корреляционного анализа по исходным данным группы студентов. Построение теоретической и эмпирической линий регрессии; проведение анализа с помощью программы "regres.exe". Представление копий экрана зависимости показателей.
контрольная работа [2,8 M], добавлен 07.06.2014Коэффициент ранговой корреляции Спирмена. Приложения для получения информации с сайта, описание функционала и интерфейса. Описание классов и используемых библиотек. Подготовка и первичный анализ данных. Тестирование logit-регрессии и линейной регрессии.
дипломная работа [2,5 M], добавлен 30.06.2017Определение зависимости скорости вала двигателя от времени. Математическая модель решения задачи. Решение задачи Коши на интервале методом Эйлера и Рунге-Кутта четвертого порядка точности. Алгоритм решения задачи. Текст программы и результаты ее работы.
контрольная работа [108,9 K], добавлен 08.03.2013Определение наиболее выгодного соотношения сортов сырой нефти, используемой для производства бензина. Математическая постановка задачи. Выбор метода решения задачи. Описание алгоритма решения задачи (симплекс-метода) и вычислительного эксперимента.
курсовая работа [1,1 M], добавлен 08.12.2010Сущность метода перестановочного декодирования. Особенности использования метода вылавливания ошибок. Декодирование циклического кода путем вылавливания ошибок. Распознавание пакетов ошибок как особенность циклических кодов. Вычисление вектора ошибок.
доклад [20,3 K], добавлен 24.05.2012Идентификация объектов методом наименьших квадратов, построение линейной модели для неравноточных измерений входной величины. Численные процедуры оценивания параметров нелинейной регрессии; аналитическая модель химического реактора; линеаризация.
курсовая работа [1,2 M], добавлен 12.12.2010