- ベストアンサー
最小二乗法？
stomachmanの回答
- stomachman
- ベストアンサー率57% (1014/1775)
No.8のコメントを拝見しました。CはA,Bと断じて無関係。ということですね。 だとすれば、こういう方法が考えられます。 実験をM回繰り返したとして、それぞれについて、Cを定数とする最小二乗法の正規方程式を作ります。つまり、M組の線形最小二乗法の問題が作られる訳です。問題jの残差二乗和をS(C,j) (j=1,2,....,M)と書くことにしましょう。 これら全ての問題に対して、同じCを与えて、S(C,j) (j=1,2,....,M)を計算します。 実験ごとに誤差の程度が違いますから、それを勘案した重みW(j) (j=1,2,....,M)を用意して、 T(C) = ΣS(C,j) W(j) (j=1,2,....,M) を計算します。 このT(C)を最小にするようなCを、例えば四分法で求めるのです。 重みWをどう与えるべきか、については、これはもう既に教科書で勉強されたことを応用すれば解決できそうに思います。
関連するQ&A
- 最小二乗法の推定値の誤差
変数ｘを変化させたときの測定値yを最小二乗法で二次式y=a*x^2 + b*x +c にフィッティングさせ推定値a, b, cを求めるとき、 測定値yの誤差がδyであるときの推定値a, b, cの誤差を求めたいのです。 具体的には、(x,y)=(-1,2), (0,0), (1,1.5), (2,5) の４つのデータを 二次式にフィッティングさせたときのa,b,cはa=1.375, b=-0.325, c=0.225ですが、 測定値yの測定誤差が0.1のときのa,b,cの誤差を求めたいのです。 よろしくお願いします。
- ベストアンサー
- 数学・算数
- 重みつき最小二乗法の誤差
まず、条件を書かせていただきます。 ln(DZ)=ax+B a=-1/T x:条件(x=1、x=5) Z:xを決めると決まる値。（例：x=1ならZ=20、x=5ならZ=68） B:定数 D：条件xの時に行なった測定の測定値 (x=1のときに行なった測定値をD1、x=5のときに行なった測定値をD5) ln(DZ)=yとすれば、y=ax+Bとなります。 一回の測定すると、x=1とx=5に対するD1とD5を測定できます。 一回の測定操作をηとします。 上記の条件で、下記に示す2種類の方法でTの平均値とTの誤差を求めます。 (1) ηを行なうことにより、aとTを求めることができます。 ηを10回行なうことにより、10個のTを求めるます。 10個のTからTの平均値とTの誤差を求めます。 (2) ηを10回行なうことにより、10個のD1と10個のD5を求めるます。 10個のD1と10個のD5を使い、重みつき最小二乗法によって Tの平均値とTの誤差を求めます。 どちらの方法でも平均値と誤差は出ますが、 どちらの方がより正確にTの平均値と誤差を求めることができるのでしょうか。 根拠を示した上で教えてください。 じっくり考えてみましたが、よくわかりません。 文章がおかしいために 、たぶん質問の内容自体が理解できない可能性が高いので分からないことがあれば教えてください。 もし、参考になるホームページや本などがあればご紹介ください。 よろしくお願いいたします。
- ベストアンサー
- 科学
- 最小二乗法の重みづけについて教えてください。
簡単のため、説明変数tと、目的変数xが、共に実数（スカラー）とします。 また、フィッティング関数 F=F(t,a,b,c) も、簡単のため3変数または4変数のスカラー値関数とし、フィッティングパラメータa,b,cも実数(スカラー)とします。また、Fがフィッティングパラメータを2つしか持たない場合（Fが3変数の場合）には、 F(t,a,b)と読み替えて考えることにします。 また、データ、即ち説明変数と目的変数の実測値の組 (t_{i},y_{i})がn個あるとする。 また、以下の４種類の評価関数を考えます。 A:所謂2ノルム A(a,b,c)=Σ|{y}_{i}-F({t}_{i},a,b,c)|^2 B:n個の正数w_{i}を用いて、重みづけ B(a,b,c)=Σ(w_{i}|{y}_{i}-F({t}_{i},a,b,c)|^2) C:単調（非退化、つまり任意の点で微分がバニッシュしない）な関数φを用いて変換 C(a,b,c)=Σ|φ({y}_{i})-φ(F({t}_{i},a,b,c))|^2 D:所謂1ノルム D(a,b,c)=Σ|{y}_{i}-F({t}_{i},a,b,c)| （Q1）このとき、以下の命題のうち、同値な命題はどれとどれですか？ P「(a,b,c)がAの極値点である」 Q「(a,b,c)がBの極値点ある」 R「(a,b,c)がCの極値点ある」 S「(a,b,c)がDの極値点である」 (Q2)重みづけの意味について： *実際、最急降下法のプログラムを作ってみると、 Dの場合で、直線に近い形状になるように変換した場合（たとえばシクモイドの場合logをφに取る）。 Cの場合で、変化が緩慢なiに重みをつけた場合。 Aの場合。 の順に速度が速く、いずれの場合もだいたいの場合には、まあまあ（10000回ぐらい再起計算すれば） まあ、見た目に近いグラフが出てきます。 だとしたとき、wやφというのは、何を意味しているのでしょうか？ ここで、最急降下法は、以下の意味で考えている 最急降下法の初期パラメータを(a_0,b_0,c_0）とし、 k回目の計算値を({a}_{k},{b}_{k},c_{k})と記載する。 このとき、({a}_{k},{b}_{k},c_{k})は、以下の漸化式を再帰的に数値計算することで求める。 (a_{k+1},b_{k+1},{c}_{k+1})=(a_{k},b_{k},{c}_{k})-ε*grad(J(a,b,c)) 但し。Jは、A,B,Cいずれかの評価関数で、εは充分小さい正定数 (Q4)εのテンソル化： というほど大げさなものではありませんが、εを正値の対角行列にした場合 収束が早いことがあります。この場合εの異方性がフィッティングパラメータの収束性 どのように作用しているのでしょうか？また、こんなことをしてもいいのでしょうか？
- ベストアンサー
- 数学・算数
- 最小自乗法で求められた傾きの誤差
データ列(x,y)がｎ個あって、それを最小自乗法でフィッティングして y=ax+bにおける傾きaが得られました。 そこで、yの測定誤差が例えば±10％あったとき、 傾きaの誤差δaはどのように求められるのでしょうか？ データ数nが多いほどδaは小さくなるとは思いますが・・・。 よろしくお願いいたしますm(_ _)m
- ベストアンサー
- 物理学
- 最小二乗法の応用について
実験により、xに対するyの値をｘの値をかえながら、N回測定した。測定したｘに対するｙの関係をグラフに描くと、次の二次関数で表現するのが適当であることがわかった。 ｙ＝aｘ*ｘ+ｂｘ+ｃ この時、最小二乗法によりパラメータa、ｂ、ｃの値を求める式を導出せよ。という問題なのですが、どのようにしたら最小二乗法で求めることができるのですか？ どうか教えてください
- 締切済み
- 数学・算数
- 次数が未知の最小二乗法について
最小二乗法により実験データを解析したいと考えています。 n回の測定でyとxを求め、 y＝ax^2+bx+c という二次関数でフィッティングする場合、未知パラメータabcを擬似逆行列で求めるというところまでは分かったのですが、 y=ax^d+bx+c というように、未知パラメータがabcに加えて、次数のdも未知の場合にはどのように解いたら良いのでしょうか。 どなたか分かる方、教えてください。
- ベストアンサー
- 物理学
- 近似曲線の設定方法
Sma4 for Windows で、あるデーターのプロットを取りました。 このプロットに対して、近似（フィッティング）曲線をつくるため x,yの関数としてy=1-(b/1+(c/x))を入れたいのですが、うまくいきません。 bとcはxの変化によって変化する定数の事です。 Sma4起動中の、どこに式を入れればいいのか教えて下さい。 つまり、プロットに対して近似曲線を作るための式の設定方法を教えて下さい。
- 締切済み
- その他(ソフトウェア)
- 東工大 物理問題 教えて 最小二乗法
ｙ＝ax xを変えながら測定を行い、Ｎ組の測定値xi,yiを得た 最小二乗法を用いてaの最確値を表す式を求めよ ｘ、ｙの各測定における測定誤差は等しいとする
- ベストアンサー
- 物理学
補足
いつもお世話になり，大変ありがとうございます。 今まで教えていただいたことにつきましては，大筋で理解したつもりです。 しかし以下の３点につきまして，依然疑問が残っております。 平行して私も勉強いたしますが，何かヒントでもいただければ幸いです。 ※３における標準偏差および重みの計算方法は正しいでしょうか？ 特に，自由度 n-m の与え方が分からず m=2 としておりますが，これで良いのでしょうか。 ※４にて C の信頼限界を算出する具体的な式が分かりません。 ※５にて，重みを考慮した標準偏差を計算したいのですが（信頼限界を算出するため）， 具体的な計算の式が分かりません。 -------- ■ クロスニコル測定におけるデータ解析方法 測定は M 回行う。M 回中 j 回目の測定結果は x[i,j]，y[i] に格納する。 解析を始める前に，まず最初に以下のようなサブルーチンを作成する。 ｜最小残差和を計算するサブルーチン（Calc_S と命名） ｜１．引数として C，および j を受け取る。 ｜２．この C を用い，残差二乗和が最小となる A，B を，線形最小二乗法で求める（※１）。 ｜３．残差二乗和 S(C,j) を返す。 このサブルーチンを作った上で，次のように場合わけを行って解析を行う。 ｜（１）測定を 1 回のみ行ったときのアルゴリズム ｜１．初期値として，Cm を x[i] の最小値，Cp を x[i] の最大値，Cc = (Cm + Cp) / 2 とおく。 ｜２．C を計算する都度 Calc_S をコールしながら，S(C) が最小となる C を求める（※２）。 ｜３．標準偏差を計算し（※３），カイ二乗検定によって C の信頼限界を求める（※４）。 ｜（２）測定を M 回行ったときのアルゴリズム ｜１．Calc_S をコールし，j 回目の測定の残差二乗和 S(C,j) を求める。 ｜２．標準偏差を基に，j 回目の測定の重み W(j) を求める（※３）。 ｜３．T(C)=ΣS(C,j)W(j) とおき，T(C) が最小となる C を求める（※２）。 ｜４．重みを考慮した標準偏差を計算し（※５），C の信頼限界を求める（※４）。 ※１ 線形最小二乗法の計算方法 ∂Σε[i]^2 / ∂A = 0 ∧ ∂Σε[i]^2 / ∂B = 0 を解く（連立方程式）。 A = …， B = … として求まる。 ※２ 四分法のアルゴリズム １．Cm，Cc，Cpの，計3点について，Calc_S をコールして S(C) を求める。 ２．(Cc+Cm)/2，(Cc+Cm)/2 の計 2 点について，Calc_S をコールして S(C) を求める。 ３．5 点のうち，もっとも S が小さい時の C を新たな Cc，その両端を新たな Cm，Cp とする。 ４．C が所望の精度で求まるまで，２から繰り返す。 ※３ 標準偏差σ(j) および重み W(j) の計算方法 標準偏差 σ(j) = Sqrt (S(C,j) / (n - 2)) 重み W(j) = 1 / σ(j)^2 ※４ C の信頼限界を求めるアルゴリズム カイ二乗検定（計算方法不明） ※５ 重みを考慮した標準偏差の計算方法 （計算方法不明）