Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Многомерный регрессионный анализ. Основные задачи регрессионного анализа

1. Многомерный регрессионный анализНекоторые виды классификации:по виду линейные нелинейные-по составу правой части однофакторные (одномерные) многофакторные (многомерные)-по составу левой части однооткликовые многооткликовыеy - x → y = f (x)y - X (y - (x1, x2 ,…,xn )) → y = f
1. Многомерный регрессионный анализОсновные задачи регрессионного анализа:а) подбираем класс функций для анализа;б) 1. Многомерный регрессионный анализНекоторые виды классификации:по виду	линейные	нелинейные-по составу правой части	 однофакторные (одномерные)	многофакторные 1. Многомерный регрессионный анализОсновные виды моделей многомерного линейного регрессионного анализа:а) многофакторная модель 1. Многомерный регрессионный анализОсновные методы решения задачи многомерного линейного регрессионного анализа c 1. Многомерный регрессионный анализОсновные методы решения задачи многомерного линейного регрессионного анализа c 1. Многомерный регрессионный анализОбщая схема решений для 1-отклика:1. Решение по МНК. На 1. Многомерный регрессионный анализ2. Решение на основе характеристик условного многомерного закона распределения 1. Многомерный регрессионный анализОбщая схема решений для n-отклика:1. Матричный метод наименьших квадратов 1. Многомерный регрессионный анализ2. Метод наименьших квадратов для n- отклика в виде 1. Многомерный регрессионный анализ3. Решение на основе характеристик условного многомерного закона распределения 1. Многомерный регрессионный анализВозможность вычисления по многомерной регрессии с 1-откликом ряда корреляционных
Слайды презентации

Слайд 2 1. Многомерный регрессионный анализ
Некоторые виды классификации:
по виду
линейные
нелинейные
-по составу

1. Многомерный регрессионный анализНекоторые виды классификации:по виду	линейные	нелинейные-по составу правой части	 однофакторные

правой части
однофакторные (одномерные)
многофакторные (многомерные)
-по составу левой части
однооткликовые
многооткликовые

y

- x → y = f (x)
y - X (y - (x1, x2 ,…,xn )) → y = f (X)
Y - X ((y1, y2 ,…,yk ) - (x1, x2 ,…,xn )) → Y = f (X)


2





Слайд 3 1. Многомерный регрессионный анализ
Основные виды моделей многомерного линейного

1. Многомерный регрессионный анализОсновные виды моделей многомерного линейного регрессионного анализа:а) многофакторная

регрессионного анализа:
а) многофакторная модель с одномерным откликом (1-отклик)


Здесь 1

ряд y (отклик) моделируется п-1 рядами хi (факторы) в линейной форме, v – вектор (ряд)
б) многофакторная модель с многомерным откликом (k-отклик)



Здесь - матрица из k моделируемых рядов (откликов), М – некоторая матрица коэффициентов преобразования, V – матрица.

3





Слайд 4 1. Многомерный регрессионный анализ
Основные методы решения задачи многомерного

1. Многомерный регрессионный анализОсновные методы решения задачи многомерного линейного регрессионного анализа

линейного регрессионного анализа c 1-откликом:
-Метод наименьших квадратов
-Решение на

основе характеристик условного многомерного закона распределения (байесовский метод, обобщенный метод средних).
другие, например, прокрустов алгоритм, метод полных наименьших квадратов, на основе сингулярного разложения и др.
Оценка точности стандартная: модель-коэффициенты (с некоторыми нюансами)

4





Слайд 5 1. Многомерный регрессионный анализ
Основные методы решения задачи многомерного

1. Многомерный регрессионный анализОсновные методы решения задачи многомерного линейного регрессионного анализа

линейного регрессионного анализа c n-откликом:
- Метод наименьших квадратов с

растяжением
матричный Метод наименьших квадратов для многомерного отклика
Решение на основе характеристик условного многомерного закона распределения (байесовский метод, обобщенный метод средних).
Оценка точности стандартная: модель-коэффициенты (с некоторыми нюансами)

5





Слайд 6 1. Многомерный регрессионный анализ
Общая схема решений для 1-отклика:
1.

1. Многомерный регрессионный анализОбщая схема решений для 1-отклика:1. Решение по МНК.

Решение по МНК. На основе модели вида


Строится целевая

функция [v2], которая минимизируется обычным способом с получением системы нормальных уравнений, которая разрешается относительно искомых коэффициентов – обычная схема МНК без нюансов.
Оценка точности стандартная без нюансов.

6





Слайд 7 1. Многомерный регрессионный анализ
2. Решение на основе характеристик

1. Многомерный регрессионный анализ2. Решение на основе характеристик условного многомерного закона

условного многомерного закона распределения (байесовский метод, обобщенный метод средних):

-

строится выборочная ковариационная матрица для всего процесса, ( моделируемый ряд последний или первый).
из полученной матрицы на основе теоремы о характеристиках условного многомерного нормального закона распределения получают условное математическое ожидание и условную дисперсию.
из характеристик получают коэффициенты модели и выполняется оценка точности.

Частный случай когда отклик – 1 вектор, факторы – матрица.

7





Слайд 8 1. Многомерный регрессионный анализ
Общая схема решений для n-отклика:
1.

1. Многомерный регрессионный анализОбщая схема решений для n-отклика:1. Матричный метод наименьших

Матричный метод наименьших квадратов для n- отклика:
Модель регрессии вида


где

Y, V и X – матрицы, решают под несколько модифицированным условием МНК, получая в результате матрицу преобразования М.

Оценка точности стандартная с нюансами.




8




Слайд 9 1. Многомерный регрессионный анализ
2. Метод наименьших квадратов для

1. Многомерный регрессионный анализ2. Метод наименьших квадратов для n- отклика в

n- отклика в виде растяжения:
Модель регрессии вида


где Y, V

и X – матрицы, переписывают в векторном виде, растягивая матрицы в вектора по столбцам. Далее решают под обычным условием МНК, получая в результате вектор коэффициентов преобразования k, который может быть опять свернут в матрицу преобразования М.

Оценка точности стандартная без нюансов.




9





Слайд 10 1. Многомерный регрессионный анализ
3. Решение на основе характеристик

1. Многомерный регрессионный анализ3. Решение на основе характеристик условного многомерного закона

условного многомерного закона распределения (байесовский метод, обобщенный метод средних):
Для

модели вида

Строится выборочная ковариационная матрица для всего процесса, причем моделируемые ряды последние (можно первые).
Из полученной матрицы на основе теоремы о характеристиках условного многомерного нормального закона распределения (для условного математического ожидания и условной дисперсии) получают коэффициенты модели и выполняется оценка точности.

10





  • Имя файла: mnogomernyy-regressionnyy-analiz-osnovnye-zadachi-regressionnogo-analiza.pptx
  • Количество просмотров: 121
  • Количество скачиваний: 0
- Предыдущая Frontend. Разработка