Cargando…
Lineare statistische Modellierung und Interpretation in der Praxis /
Das Buch gibt Anwendern wertvolle Hinweise, um die Daten eines Versuchsplanes zu interpretieren und weiter zu verwenden mit dem Ziel, die Aussage der Untersuchungen besser zu untermauern. Der Autor stellt Lösungsverfahren zur statistischen Modellierung von Prozessen vor, die er in seiner langjähri...
| Clasificación: | Libro Electrónico |
|---|---|
| Autor principal: | |
| Formato: | Electrónico eBook |
| Idioma: | Alemán |
| Publicado: |
München :
Oldenbourg Verlag,
[2013]
|
| Temas: | |
| Acceso en línea: | Texto completo |
Tabla de Contenidos:
- Vorwort; 1 Regression; 1.1 Lineare Modelle; 1.2 Erläuterung zur lineare Regression
- Methode der kleinsten Quadrate; 1.3 Die Regressionsaufgabe; 1.3.1 Algebraische Eigenschaften der Lösung des Regressionsproblems; 1.4 Das Bestimmtheitsmaß; 1.4.1 Der multiple Korrelationskoeffizient; 1.5 Stochastische Eigenschaften der Regressionsschätzung; 1.5.1 Der Erwartungswert der geschätzten Parameter; 1.5.2 Der Erwartungswert der geschätzten Wirkungsfläche; 1.5.3 Die Varianz der geschätzten Parameter; 1.5.4 Die Varianz der geschätzten Wirkungsfläche; 1.6 Eigenschaften der geschätzten Parameter.
- 1.6.1 Die Regressionsfunktion y = a? bx1.6.2 Bestimmtheitsmaß für den Regressionsansatz y = a? bx; 1.6.3 Die Prüfung der Regressionsparameter der Regressionsfunktion y = a? bx; 1.6.4 Konfidenzbereich für die Regressionsgerade; 1.6.5 Konfidenz- und Vorhersageintervalle für den allgemeinen Regressionsansatz; 1.6.6 Eine anderer Weg zur Bestimmung der Regressionskonstante; 1.6.7 Der Regressionsansatz y = a0? a1x1? a2 x2; 1.7 Quasi-lineare Regression; 1.7.1 Ein Beispiel für die quasi-lineare Regression; 1.7.2 Einige linearisierbare Funktionen.
- 1.8 Bedingungen an die Regression der Umkehrfunktion1.9 Überprüfung der Adäquatheit; 1.10 Regression
- ANOVA; 1.11 Approximative Modelle; 1.11.1 Beispiel zur Modellierung des Phasengleichgewichts H2SO4-H2O; 1.11.2 Beispiel zur Auswahl einer geeigneten Regressionsfunktion; 1.12 Reduzierung des Regressionsansatzes; 1.12.1 Der partielle Korrelationskoeffizient; 1.12.2 Das partielle Bestimmtheitsmaß; 1.12.3 Das innere Bestimmtheitsmaß; 1.13 Standardisierung des Regressionsproblems; 1.14 Multikollinearität; 1.15 Konditionszahlen einer Matrix; 1.16 Ridge-Regression.
- 1.17 Beispiel zur Abhängigkeit der Regression von der Wahl der Versuchspunkte2 Versuchsplanung; 2.1 Überwiegende Forderungen an Versuchspläne in der Praxis; 2.1.1 Informationsmatrix und Kovarianzmatrix; 2.1.2 Regression und Kovarianzmatrix; 2.1.3 Einige wichtige Spezialfälle; 2.1.4 Regression mit Versuchspunkten, die symmetrisch zum Nullpunkt liegen; 2.1.5 Wechselwirkungsglieder; 2.1.6 Affine Abbildung der Versuchspunkte; 2.1.7 Der Effekt; 2.2 Vollständiger Faktorpläne; 2.3 Teilfaktorpläne; 2.3.1 Vermengungen bei Teilfaktorplänen; 2.3.2 Ein Anwendungsbeispiel.
- 2.3.3 Interpretation der Regressionsergebnisse2.4 Zur Interpretation der Regressionsergebnisse und Numerik; 2.4.1 Methode 1; 2.4.2 Methode 2; 2.4.3 Methode 3; 2.4.4 Methode 4
- Mittelwertverschiebung; 2.4.5 Beispiel; 2.4.6 Fehlinterpretationen durch "Wechselwirkungsglieder"; 2.4.7 Einfluss der Erfassung der Versuchsdaten auf das Regressionsergebnis; 2.5 Weiter Versuchspläne; 2.5.1 Versuchspläne zur Lokalisierung der signifikanten Einflussgrößen; Hadamard Matrizen; Plackett-Burman Versuchspläne; 2.5.2 Versuchspläne für nicht lineare Wirkungsflächen; Versuchspläne nach Box-Behnken.