• Ei tuloksia

Ei-parametrinen regressio

N/A
N/A
Info
Lataa
Protected

Academic year: 2022

Jaa "Ei-parametrinen regressio"

Copied!
1
0
0

Ladataan.... (näytä koko teksti nyt)

Lataa nyt ( 1 sivua )

Kokoteksti

(1)

Ei-parametrinen regressio Harjoitus 1

25.3.2008

1. Johda lineaarisessa regressiomallissa (Xt¨aysiasteinen) y=Xβ+,

parametrinβ pienimm¨an neli¨osumman ratkaisu ˆβ= (X0X)−1X0y.

2. Osoita, ett¨a ˆβ todella minimoi neli¨osumman SS.

3. Osoita ett¨a lineaarisessa mallissa PNS-residuaalit e =y−Xβˆ ovat kor- reloituneita. Tarkastele lis¨aksi tilannetta X=1jan→ ∞.

4. Osoita, ett¨a matriisiH=X(X0X)−1X0 on symmetrinen, idempotentti ja sen ominaisarvot ovat ykk¨osi¨a ja nollia. Mik¨a on matriisinH aste?

5. Tutki R:n aineistossa women painon (y) ja pituuden (x) yhteytt¨a poly- nomiregression avulla.

6. Sovita edellisen teht¨av¨an aineistoon paloittain lineaarinen malli.

1

Viittaukset

Lataa nyt ( PDF - 1 sivua - 34.81 KB )

LIITTYVÄT TIEDOSTOT

Tarkastellaan teht¨av¨a¨a

teht¨ av¨ an muihin

Monimuuttujaiset kasvuk¨ayr¨at

Sovita Ramus-aineistoon (20 poikaa mitattu, 4 tasav¨ alist¨ a mittauskertaa) kasvuk¨ ayr¨ amalli ja tutki graafisesti mallisi yhteensopivuutta aineistoon.. Aineisto l¨

Monimuuttujaiset kasvuk¨ayr¨at

(jatkoa) Sovita aineistoon sopivan asteinen polynomi ja vertaile yhteen- sopivuutta teht¨ av¨ ass¨ a 1 saatuun malliin2. (jatkoa) Sovita aineistoon luonnollinen tasoitettu

Ei-parametrinen regressio

Estimoi lmer-funktiolla malli, jossa selitett¨ av¨ an¨ a on verenpaineen muutos, kiinte¨ an¨ a vaikutuksena k¨ asittely ja satunnaisvaikutuksena maa.. Estimoi funktiolla lmer ky-

Ei-parametrinen regressio

Estimoi aineistoon faithful paloittain lineaarinen malli siten, ett¨ a kertoimia on tasoitettu sekamallin avulla4. Vertaa graafisesti saatua sovitetta

Ei-parametrinen regressio

Suorita ei-parametrisen mallin riitt¨ avyyden taustaus jossakin valitsemas- sasi aineistossa.. (jatkoa) Tarkastele testien

Ei-parametrinen regressio Harjoitus 7 6.5.2008 1. Etsi harjoitysty¨osi aineistoon sopiva usean selitt¨aj¨an lokaalinen polynomi- malli. Havainnollista mallia graafisesti. 2. Osoita, ett¨a funktion P LS(g) = (y − g)

Etsi harjoitysty¨ osi aineistoon sopiva usean selitt¨ aj¨ an lokaalinen

Ei-parametrinen regressio

Osoita, ett¨ a luonnollisen tasoittavan kuutiosplinin sekamalliratkaisun kiin- te¨ an osan parametriestimaattien varianssi ei ole riippuvainen tasoitusker- toimen