Publikace detail

Analýza dat 2012/II Statistické metody pro technologii a výzkum Pardubice 14.-16.11.2012 - Výstavba regresního modelu regresním tripletem

Autoři: Meloun Milan

Rok: 2012

Druh publikace: konference, workshop, výstava

Strana od-do: nestránkováno

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Analýza dat 2012/II Statistické metody pro technologii a výzkum Pardubice 14.-16.11.2012 - Výstavba regresního modelu regresním tripletem	Postup hledání regresního modelu je popsán obecně a dokumentován na 3 úlohách analytické laboratoře. Skládá se z těchto kroků: 1. Návrh modelu začíná vždy od nejjednoduššího modelu, lineárního. 2. Předběžná analýza dat sleduje proměnlivost proměnných na rozptylových diagramech, indexových grafech. Vyšetřuje se multikolinearita, heteroskedasticita, autokorelace a vlivné body. 3. Odhadování parametrů se provádí klasickou metodou nejmenších čtverců, následuje testování významnosti parametrů Studentovým t-testem. Støední kvadratická chyba predikce MEP a Akaikovo informační kritérium AIC jsou rozhodčí kritéria při hledání modelu. 4. Regresní diagnostika provádí identifikaci vlivných bodů a ověření předpokladů metody nejmenších čtverců. V případě více vysvětlujících proměnných se posoudí vhodnost proměnných pomoci parciálních regresních grafů a parciálních reziduálních grafů. 5. Konstrukce zpřesněného modelu: parametry zpřesněného modelu jsou odhadovány s využitím (a) metody vážených nejmenších čtvercù (MVNČ) při nekonstantnosti rozptylu, (b) metody zobecněných nejmenších čtverců (MZNČ) při autokorelaci, (c) metody podmínkových nejmenších čtverců (MPNČ) při omezení kladených na parametry, (d) metody racionálních hodností u multikolinearity, (e) metody rozšířených nejmenších čtverců (MRNČ) pro případ, že všechny proměnné jsou zatížené náhodnými chybami, a konečně (f) robustních metod pro jiná rozdělení než normální a data s vybočujícími hodnotami a extrémy.	Regresní model; regresní triplet
eng	Analýza dat 2012/II Statistické metody pro technologii a výzkum Pardubice 14.-16.11.2012 - Regression model building with the use of a regression triplet	To find the regression model is generally described and documented on three tasks in analytical laboratory. It consists of the following steps: 1 Model design always starts from the simplest model, linear. 2. Preliminary analysis of the data follows the variability of variables on scatter diagrams, index charts. Investigates the multicollinearity, heteroscedasticity, autocorrelation and influential points. 3. Parameter estimation is carried out by the classical method of least squares, followed by testing the significance of parameters by Student t-test. Meam error prediction MEP and Akaike information criterion AIC criteria the judges in search of a model. 4. Regression diagnostics are identifying influential points and verify assumptions least squares method. For more explanatory variables are variables to help assess the suitability of partial regression graphs and partial residual graphs. 5. Construction of an updated model: an updated model parameters are estimated using (a) the method of weighted least squares (MVNČ) at non-constancy scattering, (b) the method of generalized least squares (MZNČ) for autocorrelation, (c) the method of conditional least squares (MPNČ) in the limit imposed on the parameters, (d) methods of rational degrees for multicollinearity, (e) augmented least squares (gurgle) for the case that all variables are weighted random errors, and finally (f) robust methods for other than normal distribution and data with outliers and extremes.	Regression model; regression triplet

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Ústavy a pracoviště

Jak nás najdete?

Služby

Často hledáte