Hyperbola
Parabola 2. stupně
Odmocninná funkce
-
někdy používáme zjednodušenou odmocninou funkci: y´= a + b √x
Logaritmická funkce
Mocninná funkce -
je nelineární v parametrech, používáme metodu nejmenších čtverců k určování parametrů, ale je zde nutná určitá transformace funkce
-
funkci zlogaritmujeme
-
totožná z předchozí logaritmickou funkcí po substituci
Řešení:
Exponenciála
Řešení:
Nelineární korelační analýza
V případě, že je průběh závislosti vyjádřen nelineární funkcí, těsnost závislosti měříme tzv. korelačním indexem.
Korelační index
Definiční tvar:
= reziduální rozptyl – rozptyl kolem teoretických hodnot, směrodatná chyba regresního odhadu
Korelační index nabývá hodnot <0,1>.
Iyx ¹ Ixy (pouze za předpokladu linearity regrese platí Iyx = Ixy = r)
Výpočetní tvar:
Index determinace
I2yx - přibližně udává z kolika % je závisle proměnná ovlivněna nezávisle proměnnou
b´ = transponovaný vektor regresních parametrů
Maticový zápis normálních rovnic
X´y = X´X . b
X´X = matice soustavy normálních rovnic
Matice X pro různé funkce
hyperbola odmocninná parabola loraritmická
Vektor regresních parametrů
b = (X´. X)-1 . X-1. y
(X´. X)-1 = inverzní matice k matici soustavy normálních rovnic
Testy a odhady u nelineární regrese
Podobně jako u přímkové regrese připadá u nelineární regrese v úvahu zobecnění vypočtených charakteristik korelace a regrese. Budeme tedy opět pracovat s výběrovými soubory pořízenými náhodným výběrem. Výsledky VS lze zobecnit na ZS. K tomu budeme používat testů a v případě zjištění statistické významnosti provádět bodové a intervalové odhady. Je zde ovšem složitější situace než u přímkové regrese, kde většina postupů vycházela z normality rozdělení. Zde předpoklad o normalitě chybí. Nikde není uveden test korelačního indexu. Při velmi velkých rozsazích výběrového souboru nemá soubor výběrových korelačních indexů normální rozdělení a nelze použít ani aproximaci.
Test o regresních parametrech
H0: j = 0 A: j ¹ 0
= odhad směrodatné odchylky souboru výběrových regresních parametrů
Pokud t >t - zamítáme H0
Interval spolehlivosti pro regresní parametr
bj ± t . sbj
K testování statistické významnosti celé regresní funkce také používáme upraveného modelu analýzy rozptylu.
Vícenásobná závislost kvantitativních znaků
Jedna závisle proměnná je závislá na více nezávisle proměnných y = (x1, x2, x3….. xn). K vystižení průběhu závislosti používáme vícenásobnou regresní funkci.
U vícenásobné závislost lze formulovat obdobné závislosti jako u závislosti párové.
-
vystihnout průběh závislosti – vlastní regrese
-
změnit sílu (těsnost) závislosti – korelace
K vystižení průběhu závislosti budeme používat vícenásobnou regresní funkci. V nejjednodušším případě bude závislost opět lineární.
Vícenásobná lineární regrese
k – prostý, absolutní člen lineární regresní funkce, který vyjadřuje závislost y na k
b = dílčí regresní koeficienty – vyjadřují (jen část závislosti) o kolik jednotek se změní závisle proměnná, když se nezávisle proměnná uvedená v indexu na 1. místě změní o jednotku a ostatní nezávisle proměnné budou konstantní
Druhým úkolem je určit konkrétní funkční rovnici, tzn. najít parametry funkce, k čemuž také používáme metodu nejmenších čtverců a získáme tak soustavu normálních rovnic:
Maticový zápis
Další možností výpočtu je výpočet parametrů pomocí odvozených vzorců a výpočet je postaven na tom, že regresní koeficienty počítáme pomocí regresivního koeficientu o stupeň nižších řádů.
Párové regresní koeficienty
Nejjednodušší případ u 2 nezávisle proměnných:
Měření síly závislosti
Úplný (totální) korelační koeficient
Vyjadřuje těsnost závislosti y na všech uvažovaných nezávislých proměnných najednou. Nabývá hodnot <-1,1>. Čím více se blíží k –1 nebo k 1, tím je závislost těsnější.
Totální koeficient determinace (R2)
Je-li vyjádřen v %, tak přibližně udává, z kolika % je závisle proměnná závislá na uvažovaných nezávisle proměnných. Počítáme pomocí korelačních koeficientů o stupeň nižších řádů.
Parciální (dílčí) korelační koeficient
Vyjadřuje těsnost závislosti vždy na 1 z uvažovaných nezávisle proměnných, přičemž ostatní nezávisle proměnné považujeme za konstantní. Počítáme pomocí jednoduchých párových koeficientů. Nabývá hodnot <-1,1>.
(konstantní x2)
(konstantní x1)
Lze též spočítat a interpretovat dílčí koeficienty determinace.
Důležité: Jaký je podíl jednotlivých nezávisle proměnných na regresním odhadu závisle proměnných? Dílčí regresní koeficienty přepočítáme na tzv. koeficienty
= vyjadřuje o kolik směrodatných odchylek se změní závisle proměnná y, když se nezávisle proměnná x1 změní o 1 směrodatnou odchylku. Můžeme je srovnávat a čím je větší, tím je větší podíl určité proměnné
Zobecnění výpočtů na základní soubor
Testy
Dostları ilə paylaş: |