![]() |
|
![]() |
#1 |
Newbie
Регистрация: 02.03.2015
Сообщений: 8
|
![]()
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? |
![]() |
![]() |
Реклама | |
|
![]() |
#2 |
Advanced Member
Регистрация: 27.09.2012
Сообщений: 493
|
![]()
Realwert, давайте разбираться. у вас два фактора в уравнении, X1 и X2, так?
что есть x и z? это и есть x1 и x2? можно чуть подробнее? Добавлено через 10 минут к слову, вывести можно методом наименьших квадратов) но нужно понять, что имеется ввиду под X и Z. просто в самом начале вывода подставить искомый вид уравнениz dместо y=b0+b1*x1+b2*x2 |
![]() |
![]() |
![]() |
#3 |
Silver Member
Регистрация: 12.01.2011
Сообщений: 913
|
![]()
У вас 2 переменные - x и z? Можно прологарифмировать выражение, чтобы избавиться от степеней. Тогда новые переменные lg x, lg z
|
---------
Исследовать - значит видеть то, что видели все, и думать так, как не думал никто. (А. Сент-Дьёрдьи)
|
|
![]() |
![]() |
![]() |
#4 |
Newbie
Регистрация: 02.03.2015
Сообщений: 8
|
![]()
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? |
![]() |
![]() |
![]() |
#5 |
Advanced Member
Регистрация: 27.09.2012
Сообщений: 493
|
![]()
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
|
![]() |
![]() |
![]() |
#6 |
Newbie
Регистрация: 02.03.2015
Сообщений: 8
|
![]()
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? |
![]() |
![]() |
![]() |
#7 |
Platinum Member
Регистрация: 22.07.2010
Адрес: Санкт-Петербург
Сообщений: 3,298
|
![]()
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 |
---------
DNF is not an option
|
|
![]() |
![]() |
![]() |
#8 | |
Advanced Member
Регистрация: 27.09.2012
Сообщений: 493
|
![]()
очень напрасно... надо тогда писать, что, мол, ваша первая мысль, мне кажется, ближе к делу. потому что ко второй мысли тоже имело смысл прислушаться. Хотя бы для общего развития посмотреть, в чем суть. Откуда вы знаете, что вид критериальной зависимости должен быть именно Y = AX^n •Z^m? В чужой диссертации посмотрели? вот! а узнать, что вид именно такой мог бы помочь метод анализа размерностей )
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:
|
|
![]() |
![]() |
![]() |
#9 |
Newbie
Регистрация: 02.03.2015
Сообщений: 8
|
![]() |
![]() |
![]() |
![]() |
#10 | |
Platinum Member
Регистрация: 22.07.2010
Адрес: Санкт-Петербург
Сообщений: 3,298
|
![]() ![]() Вообще-то: С какого перепугу Вы "А" умножаете? Ну, а дальше, спрашивается. Вы коэффициенты регрессии вида Цитата:
Код:
lm(log(Y)~log(X1)+log(X2),data=mydata) |
|
---------
DNF is not an option
|
||
![]() |
![]() |