Nevíte-li si rady s jakýmkoliv matematickým problémem, toto místo je pro vás jako dělané.
Nástěnka
❗22. 8. 2021 (L) Přecházíme zpět na doménu forum.matweb.cz!
❗04.11.2016 (Jel.) Čtete, prosím, před vložení dotazu, děkuji!
❗23.10.2013 (Jel.) Zkuste před zadáním dotazu použít některý z online-nástrojů, konzultovat použití můžete v sekci CAS.
Nejste přihlášen(a). Přihlásit
Prosím o pomoc nebo alespoň radu či nasměrování jak vyhodnotit experimentální data.
Na vstupou mám několik vstupních dat, např. teplota, množství látky 1, množství látky 2, tlak, apod (Vs1, Vs2, Vs3...Vsx). Na výstupu pak měřím třeba hustotu finálního produktu (Vy1), ale i další měřené veličiny. Uvádím to jako obecný příklad.
Potřeboval bych otestovat jestli minimálně 2 vstupní veličiny mají vliv na hodnotu výstupní veličiny, resp. jestli existuje test, který je schopen najednou posuzovat i vliv více vstupních veličin na jednu (či více) výstupních...?
Snad jsem to vyjádřil jasně.
Př.:
měření hodnota1 hodnota2 hodnota3 hodnota4 výstup1 výstup2
1 800 200 1,56 200 250 1,69
2 795 198 1,562 201 254 1,70
...atd.
Co by mi pomohlo je jaký test nebo matematický aparát použít, případně odkaz na ukázku apod.
Děkuji za ochotu
Offline
Pro jednotlivé naměřené hodnoty budeme testovat, zda mají vliv na výstup1 v normálním lineárním modelu.
Poznámka na začátek: předpokládám, že víte, co je to lineární regrese a rozumíte bodům 1) a 2). Doporučuji tohle všechno dělat v nějakém výpočetním prostředí - např. R. R popisovaný test dělá automaticky, takže tam v podstatě stačí načíst data, definovat model a na něm zavolat příkaz summary.
1) Začneme tím, že sestavíme lineární model. Předpokládejme, že máme
měření. Naměřené výstupy uspořádáme do sloupcového vektoru
:
Dále naměřené hodnoty uspořádáme do matice
:
V prvním sloupci matice jsou samé 1 - to proto, abychom do modelu dostali absolutní člen. Model lineární regrese předpokládá, že platí
pro nějaký vektor parametrů
(mj.
je absolutní člen) a vektor chyb
kde
a
. V normálním lineárním modelu navíc platí
.
2) Metodou nejmenších čtverců spočítáme odhad parametrů
a označíme ho
. V normálním lineárním modelu platí
, což se využívá k odvození testu.
S pomocí
spočteme
.
3) Provedem test. V normálním lineárním modelu platí
kde
je j-tý diagonální prvek matice
a
a
.
Test formuluji takto:

Zamítám
, pokud 
Například pokud test zamítne, že
, tak parametr
je nenulový a model závisí na hodnotě1.
Offline
Mj. ze stránek Matfyzpressu lze stáhnout knížku o Regresi od pana Zváry (úplně dole).
Offline
↑ vengi:
Nakonec jsem to vygooglil a přesně jsem to udělal. Funguje to... ale našel jsem nějaký článek, kde se píše, že Excel některé věci pojmenovává jinak než jak se matematicky jmenují (třeba násobné R atd.). Co by mi pomohlo je výklad jednotlivých pojmů a symbolů co Excel generuje, resp. jejich význam...
Volba "Data - Analýza dat - Regrese"
Co znamenají tyto hodnoty, resp. když se blíží 0 či 1 co to znamená...
Násobné R
Hodnota spolehlivosti R
Nastavená hodnota spolehlivosti R
Chyba stř. hodnoty
SS MS F Významnost F
Koeficienty Chyba stř. hodnoty t Stat Hodnota P Dolní 95% Horní 95% Dolní 95,0% Horní 95,0%
Očekávané Y Rezidua Normovaná rezidua
Marně jsem kdekoliv hledal význam jednotlivých položek.
Moc děkuji...
Offline