Notifiche
Cancella tutti

indice di adattamento funzione di regressione

  

0

salve. non capisco come calcolare la varianza spiegata e residua della funzione di regressione. o meglio, non mi trovo con il risultato. qualcuno può aiutarmi? devo calcolare l'indice di adattamento di Y|xi.

non so se possa essere utile, ma la funzione di regressione ha equazione del tipo y = ax+bx^2+cx^3+fx^4. 

la media di Y è uguale a 12.45, la varianza totale calcolata è 20.4475. Ho provato a raggruppare le osservazioni della X e della Y e ho calcolato le medie di Y condizionate a X ma comunque non mi trovo con il risultato della professoressa. 

eta quadro deve essere uguale a 0.4573

dat

 

 

Autore
Etichette discussione
2 Risposte



0

Ci sono molte cose che non mi sono chiare.

La colonna delle Z non serve veramente, giusto ?

Ci servono i parametri a, b, c, f ma :

polyfit di MATLAB calcola solo la "migliore interpolante polinomiale" di grado

assegnato, ma non mette il vincolo che l'intercetta sia nulla. Quindi hai usato

un altro software, spero bene che tu non abbia risolto il sistema con le derivate

parziali.

Oppure hai usato il trucco di considerare per y/x la migliore interpolante di terzo

grado ?

@eidosm ciao, la colonna delle Z in questo esercizio non serve ma serve per calcolare i parametri del piano di regressione. per questo esercizio servono soltanto le variabili X e Y. all'esame i parametri vanno risolti con le derivate parziali, sì. in ogni caso, non credo debbano essere calcolati i parametri della funzione di regressione, polinomio di quarto grado, ma credo che, a partire dai dati che ho mandato, si debba costruire una tabella a doppia entrata e da lì calcolare l'indice di adattamento della funzione di regressione. La traccia dell'esercizio dice: " Si indichi, giustificando la risposta, il grado della funzione di regressione e se ne scriva l’equazione. Se ne valuti l’adattamento ai dati".

Il fatto é che ti occorrono le differenze y - y* ( y* = y del modello ) e queste come le calcoli se non hai a,b, c, f ? Inoltre io credevo che la forma del modello fosse un dato del problema, perché su come stabilirla non saprei proprio da dove cominciare.

@eidosm sappiamo che l'indice di adattamento è la proporzione di varianza spiegata dal modello funzione di regressione. pensavo di calcolare la varianza spiegata dalla formula M[(medie di Y condizionate da Xi - media di Y)^2]. La media di Y la ricavo dai dati, le medie condizionate, invece, creando una tabella a doppia entrata. tuttavia, non mi trovo con il valore dell'eta quadro. dai dati che ho, è possibile creare un grafico in cui devo spiegare se la distribuzione dei dati suggerisce o meno una relazione lineare tra X e Y. nei punti successivi del tema d'esame, mi vengono dati dei modelli di regressione, dovrò stimare i parametri, calcolare la varianza residua per ciascun modello e poi dovrò indicare qual è il modello migliore che si adatta ai dati. però, per questo esercizio, serve calcolare soltanto la varianza residua o la varianza spiegata della funzione di regressione. per la varianza residua credo sia più complesso perché come hai detto tu, abbiamo bisogno delle y stimate e quindi bisogna per forza calcolare i parametri della funzione di regressione.

Facciamo il punto della situazione e vediamo se ho capito. Appurato che la relazione Y - X non si adatta ad un andamento lineare e che il testo ti propone un set di modelli, tu dovresti :

a) per ciascun modello, usare il sistema con le derivate parziali per trovare i parametri ottimali

b) calcolare Rk^2 = 1 - S_i:1->n (yi - yi*)^2/(S_i:1->n yi^2)

c) scegliere il massimo fra gli Rk^2 e adottare il modello corrispondente.



0

Ci ho lavorato. Ho svolto il calcolo due volte arrangiandomi con Octave. Mi viene un risultato completamente diverso.

Potrebbe aver sbagliato lei, oppure ho sbagliato io.

Ti mando tutto : strategia e passaggi con Octave. Cerca prima gli errori. Che lo veda io non serve a nulla.

Se dovesse essere tutto a posto, invece, lo fai vedere alla Prof. che dovrà spiegare il suo risultato.

IMG20250121175525
IMG20250121175539
IMG20250121175549

x = [5 10 8 10 9 8 10 10 10 8 6 8 8 6 5 6 5 8 5 9]

y = [5 8 18 16 13 19 11 10 12 20 8 13 20 11 15 10 7 8 8 17]

x =

Columns 1 through 16:

5 10 8 10 9 8 10 10 10 8 6 8 8 6 5 6

Columns 17 through 20:

5 8 5 9

octave:2>
y = [5 8 18 16 13 19 11 10 12 20 8 13 20 11 15 10 7 8 8 17]
y =

Columns 1 through 16:

5 8 18 16 13 19 11 10 12 20 8 13 20 11 15 10

Columns 17 through 20:

7 8 8 17

octave:3> format long
octave:4> S8 = sum(x.^8)
S8 = 693358086
octave:5> S7 = sum(x.^7)
S7 = 73301158
octave:6> S6 = sum(x.^6)
S6 = 7838214
octave:7> S5 = sum(x.^5)
S5 = 850534
octave:8> S4 = sum(x.^4)
S4 = 94086
octave:9> S3 = sum(x.^3)
S3 = 10678
octave:10> S2 = sum(x.^2)
S2 = 1254
octave:11> N1 = sum(x.^4*y')
N1 = 1227697
octave:12> N1 = sum(x.^3*y')
N1 = 139685
octave:13> N1 = sum(x.^4*y')
N1 = 1227697
octave:14> N2 = sum(x.^3*y')
N2 = 139685
octave:15> N3 = sum(x.^2*y')
N3 = 16321
octave:16> N4 = sum(x*y')
N4 = 1973
octave:17> 2
ans = 2
octave:18> M = [S8 S7 S6 S5;S7 S6 S5 S4;S6 S5 S4 S3;S5 S4 S3 S2]
M =

693358086 73301158 7838214 850534
73301158 7838214 850534 94086
7838214 850534 94086 10678
850534 94086 10678 1254

octave:19> w = [N1 N2 N3 N4]'
w =

1227697
139685
16321
1973

octave:20> h = inv(M)*w
h =

-3.644226624885505e-02
7.339524785511458e-01
-4.747618688983493e+00
1.164976550688152e+01

octave:21> 3
ans = 3
octave:22> q = sum(y.^2)
q = 3509
octave:23> h(1)
ans = -3.644226624885505e-02
octave:24> ys = h(1)*x.^4+h(2)*x.^3+h(3)*x.^2+h(4)*x
ys =

Columns 1 through 3:

8.526003723179088e+00 1.126560223306114e+01 1.586667442298494e+01

Columns 4 through 6:

1.126560223306114e+01 1.624442375931801e+01 1.586667442298494e+01

Columns 7 through 9:

1.126560223306114e+01 1.126560223306114e+01 1.126560223306114e+01

Columns 10 through 12:

1.586667442298494e+01 1.028887854641471e+01 1.586667442298494e+01

Columns 13 through 15:

1.586667442298494e+01 1.028887854641471e+01 8.526003723179088e+00

Columns 16 through 18:

1.028887854641471e+01 8.526003723179088e+00 1.586667442298494e+01

Columns 19 and 20:

8.526003723179088e+00 1.624442375931801e+01

octave:25> z = y - ys
z =

Columns 1 through 4:

-3.526003723179088 -3.265602233061145 2.133325577015057 4.734397766938855

Columns 5 through 8:

-3.244423759318011 3.133325577015057 -0.265602233061145 -1.265602233061145

Columns 9 through 12:

0.734397766938855 4.133325577015057 -2.288878546414708 -2.866674422984943

Columns 13 through 16:

4.133325577015057 0.711121453585292 6.473996276820912 -0.288878546414708

Columns 17 through 20:

-1.526003723179088 -7.866674422984943 -0.526003723179088 0.755576240681989

octave:26> E = z.^2
E =

Columns 1 through 3:

1.243270225587279e+01 1.066415794457394e+01 4.551078017546627e+00

Columns 4 through 6:

2.241452221559562e+01 1.052628553002721e+01 9.817729171576742e+00

Columns 7 through 9:

7.054454620706675e-02 1.601749012329357e+00 5.393400800847769e-01

Columns 10 through 12:

1.708438032560685e+01 5.238965000237505e+00 8.217822247396056e+00

Columns 13 through 15:

1.708438032560685e+01 5.056937217492591e-01 4.191262779229104e+01

Columns 16 through 18:

8.345081457867441e-02 2.328687363156437e+00 6.188456647724549e+01

Columns 19 and 20:

2.766799167982621e-01 5.708954554831277e-01

octave:27> E = (norm(z))^2
E = 227.8062582139637
octave:28> 1 - E/q
ans = 0.935079436245664



Risposta
SOS Matematica

4.6
SCARICA