1 / 15

Regresja segmentami i wygładzające funkcje sklejane

Regresja segmentami i wygładzające funkcje sklejane. Na ogół nie znamy nie tylko parametrów p ale i sposobu podziału zakresu zmiennej objaśniającej na przedziały o granicach a 1 , a 2 , …, a q. Zależność między czasem od siewu a logarytmem liczby liścieni

fawzi
Download Presentation

Regresja segmentami i wygładzające funkcje sklejane

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Regresja segmentami i wygładzające funkcje sklejane Na ogół nie znamy nie tylko parametrów p ale i sposobu podziału zakresu zmiennej objaśniającej na przedziały o granicach a1, a2, …, aq.

  2. Zależność między czasem od siewu a logarytmem liczby liścieni Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  3. Zależność między odwrotnością metabolizowanej energii a pobieraniem pokarmu u zwierząt kopytnych (Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  4. Dane symulowane Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  5. Prowadzenie linii regresji Dla wszystkich możliwych podziałów zakresu x na przedziały liczymy F. Wybieramy taki podział, przy którym F jest najmniejsze.

  6. Przypadek regresji liniowej dwufazowej Odchylenia standardowe parametrów równań prostych obliczamy (a co za tym idzie określamy przedziały ufności tych parametrów) jak dla regresji liniowej. Natomiast żeby określić k przeprowadzamy test F porównując sumę kwadratów odchyleń otrzymanych z regresji pojedynczej z sumami otrzymanymi z poszczególnych segmentów.

  7. F określa poziom istotności hipotezy H0 dla n-2p i p stopni swobody.

  8. Ocena istotności regresji segmentowej jest teraz równoważna określeniu poziomu istotności hipotezy H0: d=0 pod warunkiem, że znamy k. W teście Farleya przyjmujemy, że k=n/2. Jeżeli nie chcemy nic zakładać o k to uśredniamy z-y po wszystkich możliwych wartościach k (test Farleya-Hinnicha). W obu wypadkach używamy testu F porównując model z d=0 i d które wyszło z minimalizacji sumy kwadratów odchyleń.

  9. Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  10. Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  11. Lerman, Appl. Math. Stat., 29, 77-84 (1980)

  12. „Uciąglanie” problemu Warunki dla funkcji trn:

  13. Sformułowanie min-max problemu regresji dwufazowej Tishler & Zang, Appl. Stat. 30, 116-124 (1981)

  14. Dopasowywanie funkcjami sklejanymi (fitting splines) Wecker & Ansley, J. Am. Stat. Assoc., 78, 81-89 (1983)

  15. Ogólna postać funkcji sklejanych stopnia trzeciego

More Related