argon bulletin board

Експертно търсене  

Новини:

Регистрирането на нови потребители е временно деактивирано.

Автор Тема: fitvane  (Прочетена 2579 пъти)

Атанас Терзийски

  • Администратор
  • *****
  • Неактивен Неактивен
  • Публикации: 2927
  • 0x04559912
    • atanas.uni-plovdiv.net
fitvane
« -: 04.02.2005, 12:23:00 »

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?
Активен

nick

  • Неактивен Неактивен
  • Публикации: 6
    • http://www.argon.acad.bg/nick
fitvane
« Отговор #1 -: 04.02.2005, 13:06:00 »

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

Nick
Активен
:)

kmetov

  • Неактивен Неактивен
  • Публикации: 156
    • V. Kmetov
fitvane
« Отговор #2 -: 07.02.2005, 14:21:00 »

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
Активен
Veselin KMETOV  Assoc. Pr

kmetov

  • Неактивен Неактивен
  • Публикации: 156
    • V. Kmetov
fitvane
« Отговор #3 -: 07.02.2005, 15:12:00 »

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
Активен
Veselin KMETOV  Assoc. Pr