Antworte auf:  Lineare Regression als homogenes Modell von Spedex
Forum:  Mathematica, moderiert von: Spock mire2

[Zur Forum-Gliederung] [Wie man Fragen beantwortet] [Themenstart einblenden]

  Alle registrierten Mitglieder können Mitteilungen schreiben.
Benutzername:
Passwort:
Nachricht-Icon:                   
                  
              
Nachricht:


 

Erledigt J


Input assistance tools (JavaScript): [Link extern intern] [MathML?] [$$?]
[fed-area] [LaTeX-inline] [LaTeX-display] [Tikz] [hide-area][show-area] [Source code [num.]][?]
 Show Preview      Write using fedgeo formula editor or Latex.

Smilies for your message:
😃 😄 😁 🙂 🙃 😉 🤗 🤫 🤔 🙄 😴 🤒 😎 😮 😲 😂
🙁 😖 😒 😐 😡 👌 👍 👎 🤢 🤧 🥵 🥶 😵 🤯 😛 😷
Optionen: Deaktiviere HTML in dieser Nachricht
Deaktiviere MATHML in dieser Nachricht. Wenn Dein Text $-Zeichen enthält, die nicht LaTeX-Formeln begrenzen.
Deaktiviere Smilies in dieser Nachricht
Zeige die Signatur (Kann in 'Mein Profil' editiert werden.)
    [Abbrechen]
 
Beachte bitte die [Forumregeln]


Themenübersicht
Spedex
Aktiv
Dabei seit: 19.03.2020
Mitteilungen: 1019
Wohnort: Wien / Bayern

 Beitrag No.2, eingetragen 2021-06-16 12:37    [Diesen Beitrag zitieren]
Herzlichsten Dank dafür. Liebe Grüße Spedex

Spock
Senior
Dabei seit: 25.04.2002
Mitteilungen: 8202
Wohnort: Schi'Kahr/Vulkan

 Beitrag No.1, eingetragen 2021-06-16 03:24    [Diesen Beitrag zitieren]
Hallo Spedex! Es ist richtig, ohne weiteren Zusatz macht LinearModelFit eine lineare Regression mit Offset. Wenn Du den Offset nicht haben willst, geht das so \sourceon Mathematica LinearModelFit[data,x,x,IncludeConstantBasis -> False]; \sourceoff Grüße Juergen

Spedex
Aktiv
Dabei seit: 19.03.2020
Mitteilungen: 1019
Wohnort: Wien / Bayern

 Themenstart: 2021-06-16 00:21    [Diesen Beitrag zitieren]
\(\begingroup\)\(\newcommand{\on}{\operatorname} \newcommand{\ds}{\displaystyle} \newcommand{\(}{\left(} \newcommand{\)}{\right)} \newcommand{\bpm}{\begin{pmatrix}} \newcommand{\epm}{\end{pmatrix}} \) Hallo, angenommen ich habe Daten welche sich als x-Werte und y-Werte interpretieren lassen, zum Beispiel in der Form: \sourceon Mathematica data = {{23646, 309.5}, {26318, 391.5}, {18997, 280.1}, {21190, 303.4}, {15567, 236.1}, {15002, 215.4}, {8604, 119.7}, {14764, 202.3}, {5424, 71.8}, {7241, 96.7}}; \sourceoff Dann kann ich eine normale lineare Regression durchführen, in der Form: \sourceon Mathematica In[6]:= model = LinearModelFit[data, x, x]; In[7]:= model["BestFit"] Out[7]= -5.35995 + 0.0145458 x \sourceoff Hier sieht man, dass \(beta_0=-5.35995\) und \(beta_1=0.0145458\). Nun möchte ich gerne das ganze so umsetzten, dass \(beta_0 = 0 \) und \(\beta_1\) bestmöglichst gewählt wird. Die Regressionslinie soll also unbedingt den Nullpunkt schneiden. Kann ich dieses \(\beta_1\) ebenfalls mit Wolfram Mathematica bestimmen? Liebe Grüße Spedex \(\endgroup\)

 
All logos and trademarks in this site are property of their respective owner. The comments are property of their posters, all the rest © 2001-2021 by Matroids Matheplanet
This web site was originally made with PHP-Nuke, a former web portal system written in PHP that seems no longer to be maintained nor supported. PHP-Nuke is Free Software released under the GNU/GPL license.
Ich distanziere mich von rechtswidrigen oder anstößigen Inhalten, die sich trotz aufmerksamer Prüfung hinter hier verwendeten Links verbergen mögen.
Lesen Sie die Nutzungsbedingungen, die Distanzierung, die Datenschutzerklärung und das Impressum.
[Seitenanfang]