Формат за разпечатване

[Атанас Терзийски]

Здравейте,

въпроса ми е за нафитване на функция (с няколко -4  параметъра) на експериментални (обработени) данни с различна тежест т.е. не както е в метода на наи-малките квадрати сумата да е минимална по всички точки, а в случая приоритетно да се гледа минимална сума определена по точките с най-големо тегло - тези които са най-надеждни.... и после по останалите

Е?

[nick]

Ami Nasko za tazi rabota si ima lineina regresia sas tegle. T.e. podhodat e sashtia no se vzemam v predvid i teglata

Nick

[kmetov]

За да се изчислят най-добрите оценки на параметрите на уравнението на регресия Y= b1X+b0 +b2X.X+....между две величини Y=f(X) (нафитване  ) без значение дали е линейна или не-линейна зависимостта между Y и Х може да се използва Метода на най-малките квадрати, като НЕПРЕТЕГЛЕН когато засисимостта е ХОМОСКЕДАСТИЧНА - т.е. неопределеността (дисперсията) на У за всички стойности на изследвания интервал на Х е статистически еднаква.
Ако модела е ХЕТЕРОСКЕДАСТИЧЕН се работи с ПРЕТЕГЛЕН метод на най-малките квадрати, като тези точки с по-голяма неопределеност имат по-малки относителни тегла Wi от останалите. Справка J.C. Miller and J.N. Miller, Statistics and Chemometrics for Analytical.  Ellis Horwood Ltd. New York 2000
С поздрав Весо

[kmetov]

УПС! Пардон - Всеки пише - никой не чете! И аз писах без да чета . Насич - ако твоята резултантна Y е функция на 4 параметъра - то тогава нещата се отнасят към multivariate calibration.
Тук имаме софтуер UNSCRAMBLE - за решаване на подобни задачи но признавам си не съм го разучил.
Помощ може да ти окаже Митака - dimitar.hristozov@chemie.uni-erlangen.de
или  mitkohr@yahoo.com