Mitmene regressioonanalüüs ja mittelineaarne regressioonanalüüs (0)

Sarnased õppematerjalid

18

docx

Lineaarne regressioonanalüüs

Kodutöö: Lineaarne regressioonanalüüs PD <- read.csv("puud15.CSV") # parameeter sep="," ja dec="." PD$d_k<-with(PD, ifelse(d2>0,(d1+d2)/2, d1)) PD.<-subset(PD, prt==642 & aasta==2001) PD.<-droplevels(PD.) plot(h~d_k,data=PD.) PD.H <- subset(PD., h>0 & hv>0) table(PD.H$pl) PD.KU<-subset(PD.H, pl=="KU") par(mar=c(4.5,4.5,1,1)) plot(NULL,xlim=c(0,40),ylim=c(0,25),xlab="diameeter, cm", ylab="kõrgus, m") abline(v=seq(0,40,10),lty=3,col="grey75") abline(h=seq(0,25,5),lty=3,col="grey75") # abijooned points(h~d_k,data=subset(PD.KU),lwd=1) with(subset(PD., pl=="KU"),rug(d_k))  1. Sirge h=a+b*d M1 <- lm(h~d_k, data=PD.KU) summary(M1) D<-0:40 M1.pred <- predict(M1,newdata=data.frame(d_k=D)) lines(D,M1.pred, col="red") coefficients(M1)[1] coefficients(M1)[2] # dobavit' p-value v tablicu v vide * summary(M1)$adj.r.squared summary(M1)$sigma # sqrt(sum(M1$residuals^2)/(length(M1$residuals)-2)) AIC(M1) > coefficients(M1)[1] (Intercept) 7.7585

tehnomaterjalid

7

docx

R-Studio KT

R-Studio Kontrolltöö Mitu proovitükki on kogu andmestikus? #Mitu proovitükki on kogu andmestikus puud2015=read.csv("puud2015.csv",sep=";",dec=",") #Impordin andmed puud2015$D=ifelse(puud2015$D2>0,(puud2015$D1+puud2015$D2)/2,puud2015$D1) #Lisan tulba D length(table(puud2015$PRT)) #Vaatan mitu proovitükki on kogu andmestikus loetledes read > #Mitu proovitükki on kogu andmestikus > puud2015=read.csv("puud2015.csv",sep=";",dec=",") #Impordin andmed > puud2015$D=ifelse(puud2015$D2>0,(puud2015$D1+puud2015$D2)/2,puud2015$D1) #Lisan tulba D > length(table(puud2015$PRT)) #Vaatan mitu proovitükki on kogu andmestikus loetledes read [1] 229 VASTUS: Kogu andmestikus on 229 proovitükki. Mitu puud on sinu proovitükil? #Mitu puud on sinu proovitükil? PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st length(table(PRT332$PUU)) #Loetlen puude arvu PRT-l > #Mitu puud on sinu proovitükil? > PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st > leng

Dendrofüsioloogia

34

xls

Hinnangud, hüpoteesid, regressioon

mõõdetud ka kõrgus (h>0) ja võra algus (hv>0). Kopeerige filtreeritud andmetest välja diameetri, kõrguse ja võra alguse andmed teisele töölehele. Kirjutage, kui suur tuli vaatluste arv N. N= 20 25) Joonistage graafik kõrguse (y) ja diameetri (x) vahelise sõltuvuse hindamiseks. Tooge graafikul välja ka regressioonisirge võrrand ja determinatsioonikordaja (R 2). 26) Käivitage protseduur 'Regression' ning tehke regressioonanalüüs kõrguse sõltuvuse leidmiseks diameetrist. Esitage regressioonanalüüsi tulemused. Kirjutage välja regressioonivõrrand (kas on sama, mis graafikul?) y = 1,8883x - 4,1935 27) Kas saadud regressioonivõrrand on usaldatav? Ei ole, sest p=0,284736 28) Kui suur on saadud võrrandi jääkstandardhälve? Kui suur on kõrguse standardhälve? 0.721537 Mida iseloomustab jääkstandardhälve? Iseloomustab funktsioontunnuse keskmist erinevust regressioonijoonest.

Andmetöötlus alused

Meedia

Kommentaarid (0)