img278

img278



jest najczęściej stosowany w praktycznych zastosowaniach regresji krzywoliniowej ze względu na ogromna różnorodność kształtu krzywych wielomianowych ora/, fakt pozostawania zmiennej y bez transformacji w tym modelu. Dąży się zazwyczaj do tego, aby stopień wielomianu p był jak najmniejszy. Za ograniczeniem wartości p przemawiają dwa argumenty:

—    im więcej składników uwzględnia się w równaniu regresji, tym bardziej pracochłonne stają się obliczenia,

—    z algebry wiadomo, że dla dowolnego zbioru punktów istnieje taka krzywa opisana równaniem postaci (13.3), która przechodzi dokładnie przez wszystkie punkty (dla k punktów będziemy mieli p = k - 1), jednak otrzymane równanie tak wysokiego rzędu raczej zagmatwa, niż rozjaśni obraz zależności.

Do wyznaczania parametrów funkcji regresji w przypadku modeli linearyzowalnych stosuje się, tak jak i poprzednio, estymatory metody najmniejszych kwadratów. Trzeba jednak pamiętać, że w metodzie najmniejszych kwadratów minimalizuje się odchylenia od modelu po linearyzacji1. Zatem odchylenia będą liczone na logarytmach w modelu potęgowym i wykładniczym, co powoduje, że dopasowanie krzywej regresji do danych empirycznych będzie lepsze w pewnym zakresie skali2, a gdzie indziej gorsze. Dlatego też w regresji krzywoliniowej stosuje się czasami ważoną metodę najmniejszych kwadratów, gdzie wagami przy kwadratach odchyleń są odwrotności oczekiwanych wariancji odchyleń. W przypadku transformacji zmiennej zależnej Y po dopasowaniu krzywej regresji oblicza się odchylenia na wielkościach we właściwej, wyjściowej skali (po rctransformacji) i wyznacza się ich średnią kwadratową według wzoru

(13-4)

gdzie y, = m(x,) jest to wartość funkcji regresji odpowiadająca obserwacji yr jako jedną z miar dopasowania krzywej do danych empirycznych, obok charakterystyk zwykle stosowanych w modelu liniowym. Kłopotu tego nic nastręcza regresja wielomianowa. Modele wielomianowe sprawiają jednak kłopoty numeryczne, gdyż kolejne potęgi zmiennych niezależnych i ich iloczyny są silnie skorelowane, ponadto ich wartości różnią się czasami o kilka rzędów wielkości, a kowariancje między nimi różnią się nawet o kilkanaście rzędów wielkości. Transformując ten model na model regresji wielokrotnej uzyskujemy macierz kowariancji C nic tylko o bardzo zróżnicowanych elementach co do rzędu

278

1

   co oznacza, że trzeba być ostrożnym i sprawdzić, czy założenia metody najmicjszych kwadratów (niezależne błędy, N (0, O1)) są zachowane przy dokonywaniu przekształcenia

2

   tu w pobliżu początku układu współrzędnych


Wyszukiwarka

Podobne podstrony:
PIC38 90 Najczęście j stosowany podział diod typu LED: 1.    ze względu na zastosowa
1.2 Regulacja PID Regulator PID jest najczęściej wykorzystywany w praktycznych zastosowaniach W rozw
227 Stal Hadfielda jest tworzywem drogim, a przede wszystkim technologicznie trudnym ze względu na b
03 horz metabolizmu. Często trudno jest przeprowadzić wyraźną granicę między sckrccją a ckskrccją ze
Bogdan Rączkowski - BHP w praktyce Rozdział 15ZATRUCIA CHEMICZNE Ze względu na drogę wchłonięcia tru
- w wypadku pożaru stosować odpowiednią odzież i aparat oddechowy ze względu na wydzielające si
59581 IMG43 % to, zwana lei peitynciuji], jest pojęciem bardzo subicklywnym i intuicyjnym, zn
PM kod - 9 • jest praed iećcicm etroit. ile >Yiem osy ze względu na duże koszta bę&zletny dł
IMGD65 •> najczęściej stosuje się chlorki danego metalu (ze względu na ichdużą lotność) •> pró
BŁĄD METODY - spowodowany niedoskonałością zastosowanej metody tzn. ze względu na zmianę warunków ni
szerokie zastosowanie w statystyce matematycznej odchylenie standardowe jest najczęściej stosowaną m
d0 Rozmnażanie traw rabatowych przez podział jest najczęściej stosowane w szkółkach.

więcej podobnych podstron