Einfache lineare Regression
- Problemstellung:
- Messwerte (xi, yi) (i = 1, ...,
n) einer Größe y in Abhängigkeit von x
- Beispiel: Messwerte eines Zugversuchs, x = Dehnung, y
= Spannung
-
xi [%] |
0.0601 |
0.1437 |
0.2399 |
0.3468 |
0.4407 |
0.5386 |
0.6188 |
0.7471 |
0.8235 |
0.9344 |
yi [N/mm2] |
9.68 |
11.92 |
28.61 |
32.42 |
44.63 |
51.47 |
60.91 |
75.12 |
79.79 |
93.80 |
- Annahme: linearer Zusammenhang zwischen x und y
- y = α + β x
- gesucht: Schätzwerte für α, β
- Ausgleichsrechung:
- für gegebene Messwerte n lineare Gleichungen
für 2 Unbekannte
- in Matrix-Schreibweise
- A z = b
- mit
- suche Gerade mit kleinster quadratischer Abweichung
- Lösung gegeben durch
- (AT A) z = AT b
- vgl. Numerische Mathematik
- konkret
- mit dem Ergebnis
- Alternativer statistischer Ansatz (Regressionsanalyse):
- yi enthalten unabhängige
normalverteilte Störungen εi ~ N(0, σ2)
- Messergebnisse daher Zufallsvariablen
- xi deterministisch angenommen
- vereinfacht Theorie deutlich
- gute Näherung, wenn xi viel
genauer bestimmbar als yi
- Theorie erweiterbar auf zufällige xi
- Schätzer für α, β und σ:
- verwenden für α und β
Maximum-Likelihood-Schätzer
- Yi sind i.i.d. mit Yi ~
N(α + β xi, σ2)
- Dichtefunktion also
- ihr Logarithmus l = ln f
- l als Funktion von α und β maximal ⇔
- Ergebnis dasselbe wie bei Ausgleichsrechnung, also
- ML-Schätzer für σ nicht
erwartungstreu (wie üblich)
- kleine Nennerkorrektur liefert erwartungstreuen
Schätzer
- mit Zahlenwerten von oben
- a = 1.4088
- b = 96.9147
- sy|x = 2.5538