Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые проекты » Ранговий метод оцінювання параметрів регресійної моделі

Реферат Ранговий метод оцінювання параметрів регресійної моделі





ць) і вектором значень залежної змінної Y:


function rkT=rankreg (X, Y)

[n, m]=size (X);=ones (m, 1);

[rkT, D]=fminsearch (@ (T) Dfunc (Y, X, T), T0);=median (YX * rkT);=[a; rkT];

end

Окремим файлом прописується функція D:

function D=Dfunc (Y, X, T)=YX * T;

[R, trash]=tiedrank (A);=length (Y);=0; i=1: N=D + (A (i) * sqrt (12) * (2 * R (i) - (N + 1))/(2 * N + 2));

end



Додаток № 2


1) Код, що генерує 50 випадкових величин з розподілом Лапласа:

n=50;=- log (rand (n, 1));=- log (rand (n, 1));=z1-z2;


2) Код, що генерує 50 випадкових величин з розподілом Коші:

=50;=tan (pi * rand (n, 1) - pi/2);

% або замість останнього рядка

% ep=tinv (rand (n, 1), 1);


3) Код, що генерує 50 випадкових величин з розподілом Стьюдента з N ступенями свободи:

=50;=2;=tinv (rand (n, 1), N);


4) Код, що генерує 50 випадкових величин з розподілом Тьюки:



n=50;=rand (n, 1);=randn (n, 1);=sqrt (100) * randn (n, 1);=find (p gt;=0.9);

ep (I)=eps (I);


5) Код, що генерує 50 випадкових величин із двогорбим розподілом на основі двох гауссовских:


n=50;=rand (n, 1);=randn (n, 1) +2;=randn (n, 1) - 2;=find (p gt;=0.5);

ep (I)=eps (I);


6) Код, що генерує 50 випадкових величин з трикутним розподілом:


n=50;=rand (n, 1) - 0.5;=rand (n, 1) - 0.5;

ep=u1 + u2;


7) Код, що генерує 50 випадкових величин із двогорбим розподілом на основі двох трикутних:



n=50;=rand(n,1);=rand(n,1)*0.5;=rand(n,1)*0.5;=u1+u2;=-rand(n,1)*0.5;=-rand(n,1)*0.5;=v1+v2;=find(pgt;=0.5);(I)=eps(I);


8) Код, що генерує 50 випадкових величин з логістичним розподілом:


n=50;=- log ((1./rand (n, 1)) - 1);



Додаток № 3


Приклад коду, що обчислює результати експерименту по сравнинию рангової оцінки, МНК- і МНМ-оцінок параметрів для моделі з гауссовским розподілом шумів:

=2;=50;=[2; 5;- 3];=0;=0;=0; k=1: 1000=ones (n, 1);=5 * rand (n, m);=[X1, Xr];=randn (n, 1) ;=X * reT + ep;=((X * X) ^ - 1) * X * Y;=ls + sum ((lsT-reT). ^ 2)/1000;=rankreg (Xr, Y) ;=rk + sum ((rkT-reT). ^ 2)/1000;

[laT, S]=fminsearch (@ (T) LAVal (Y, X, T), ones (m + 1,1));=la + sum ((laT-reT). ^ 2)/1000;

rk

ls

la


Окремим файлом для обчислення наближеної МНМ-оцінки параметрів прописується функція втрат для МНМ:

S=LAVal (Y, X, T)=sum (abs (YX * T));

end



Додаток № 4


Програмний код, що обчислює оцінку параметрів лінійної регресії на використовуваних даних іриси Фішера і зводить графік, який зображає отриману залежність і розсіювання даних:

iris.dat=iris (51: 100,3);=iris (51: 100,1);=iris (51: 100,2); Xc=[X1 X2];=rankreg (Xc, Y)

[x1 x2]=meshgrid (0: 0.1: 75,0: 0.1: 40);=rkT1 (1) + rkT1 (2) * x1 + rkT1(3)*x2;(x1,x2,y,laquo;FaceAlpharaquo;,0.6,laquo;EdgeColorraquo;,laquo;noneraquo;)on(X1,X2,Y,laquo;koraquo;)=[ones(50,1) Xc];=((X * X) ^ - 1) * X * Y

[laT1, S]=fminsearch (@ (T) LAVal (Y, X, T), ones (3,1));=fix (50 * rand (1)); (it )=5 * Y (it);=rankreg (Xc, Y)=((X * X) ^ - 1) * X * Y

[laT2, S]=fminsearch (@ (T) LAVal (Y, X, T), ones (3,1));=sum ((rkT1-rkT2). ^ 2)=sum ((lsT1-lsT2). ^ 2)=sum ((laT1-laT2). ^ 2)


Назад | сторінка 8 з 8





Схожі реферати:

  • Реферат на тему: Розрахунок характеристик випадкових величин і випадкових процесів
  • Реферат на тему: Дослідження властивостей випадкових величин, планування експерименту та ана ...
  • Реферат на тему: Вивчення властивостей випадкових величин, планування експерименту та аналіз ...
  • Реферат на тему: Розробка прикладного алгоритму моделювання випадкових величин
  • Реферат на тему: Дослідження властивостей випадкових величин, планування багатофакторного ек ...