Уравнение множественной регрессии
Добрый день!
Нужно вывести уравнение множественной регрессии вида Y = AX^n •Z^m Множественная регрессия дает уравнение в виде полинома Y= 34.66 + 1.97X1-2.45X2. Вопрос как перейти к требуемому виду или получить сразу в нужном виде? |
Realwert, давайте разбираться. у вас два фактора в уравнении, X1 и X2, так?
Цитата:
Добавлено через 10 минут Цитата:
|
Цитата:
|
Всем спасибо за активное участие)
Нужно вывести зависимость критерия Нуссельта в трубе от Re и геометрических параметров, таких как шага закрутки трубы например S/d вот пример из дисера Nu = 0,2216•Re^0,71 •(S/d)^-0,41 "Методика обобщения экспериментальных данных производилась математической обработкой данных в виде безразмерных критериальных зависимо-стей вида: Nu = A•Re^n и Nu =C•(S/d)^k. Далее, на основании математической обработки экспериментальных данных были получены обобщенные аналитические зависимости в виде: Nu=f(Re,S/d)" Т.е. как я понял автор сначала получил зависимости Nu = A•Re^n и Nu =C•(S/d)^k затем из них общую Nu=f(Re,S/d), или нет? |
Realwert, я пока слабо врубилась в вашу проблему, но все эти мутки с критериальными уравнениями обычно делаются методом анализа размерностей. выводится уравнение со степенями и множителями, а потом уже значения степеней и множителей находятся из эксперимента. этим методом можно сразу общее уравнение вывести
|
Ваша предыдущая мысль ближе к делу) Я пытался подробней пояснить, но понял, что лучше быть проще)
что есть x и z? это и есть x1 и x2? - да, правильно Как вывести методом наименьших квадратов? как я понимаю регрессия тот же метод квадратов? |
Метод наименьших квадратов
Вариант 1. Как предлагали, логарифмировать. Тогда функция lm в GNU R (КМНК) Вариант 2. Нелинейный метод наименьших квадратов. Без танцев с бубном. В GNU R cм.: https://stat.ethz.ch/R-manual/R-patc.../html/nls.html Вариант 3. Байесовская "подгонка" модели. См. OpenBUGS Sapienty Sat |
Цитата:
ну а если уж вы решили принять на веру, что вид уравнения такой, никак не обосновывая, тогда да, дальше можно аппроксимировать под ваш вид зависимости методом наименьших квадратов, получив уравнение регрессии. Ну а как это сделать, тут уже подробно написали. Добавлено через 6 минут Цитата:
|
Цитата:
|
Цитата:
Цитата:
Вообще-то: http://chart.apis.google.com/chart?c...(z)%2B%5Cln(a) С какого перепугу Вы "А" умножаете? Ну, а дальше, спрашивается. Вы коэффициенты регрессии вида http://chart.apis.google.com/chart?c...%2B%20%5Cgamma в состоянии найти в каком-нибудь статистическом пакете? Цитата:
Код:
lm(log(Y)~log(X1)+log(X2),data=mydata) |
дурак, согласен, как говориться - не знал да еще и забыл :Durak:
Цитата:
Линейная y=a+bx Параболическая y=a+bx+cx2 Экспоненциальная y=a·exp(bx) Степенная y=a·x^b Гиперболическая y=b/x+a Логарифмическая y=b·ln(x)+a Показательная y=a·b^x |
Цитата:
Вот тут как делать. Вот тут -- как понять, что вы сделали и еще раз, как делать. Мда. Теперь я спокоен за нашу будущую науку. Вот та младая шпана, что сметет нас с лица Земли. Остановите Землю, я сойду... Добавлено через 5 минут UPD. Да, не забудьте к существующим трем колонкам создать еще три колонки с логарифмами предикторов и значений функции, а уже потом действовать по инструкции применительно к ним. И, надеюсь, Вы понимаете как полученные значения превратить в то, что Вам надо с помощью экспоненты. И куда потом деваются остатки модели. |
оффтоп
Скрытый текст
Цитата:
|
Цитата:
ТС, хотите результат - прицепите табличку с XYZ, расскажите, о чем данные. Пришлю обратно с готовыми коэффициентами регресси, из файла будет понятно, как они получены. Там делов на минуту. А то замучают личностными оценками. |
Цитата:
|
Текущее время: 14:46. Часовой пояс GMT +3. |
Powered by vBulletin® Version 3.8.8
Copyright ©2000 - 2024, vBulletin Solutions, Inc. Перевод: zCarot
© 2001—2024, «Аспирантура. Портал аспирантов»