www.matheraum.de
Das Matheforum.
Das Matheforum des MatheRaum.

Für Schüler, Studenten, Lehrer, Mathematik-Interessierte.
Hallo Gast!einloggen | registrieren ]
Startseite · Forum · Wissen · Kurse · Mitglieder · Team · Impressum
Forenbaum
^ Forenbaum
Status Mathe
  Status Schulmathe
    Status Primarstufe
    Status Mathe Klassen 5-7
    Status Mathe Klassen 8-10
    Status Oberstufenmathe
    Status Mathe-Wettbewerbe
    Status Sonstiges
  Status Hochschulmathe
    Status Uni-Analysis
    Status Uni-Lin. Algebra
    Status Algebra+Zahlentheo.
    Status Diskrete Mathematik
    Status Fachdidaktik
    Status Finanz+Versicherung
    Status Logik+Mengenlehre
    Status Numerik
    Status Uni-Stochastik
    Status Topologie+Geometrie
    Status Uni-Sonstiges
  Status Mathe-Vorkurse
    Status Organisatorisches
    Status Schule
    Status Universität
  Status Mathe-Software
    Status Derive
    Status DynaGeo
    Status FunkyPlot
    Status GeoGebra
    Status LaTeX
    Status Maple
    Status MathCad
    Status Mathematica
    Status Matlab
    Status Maxima
    Status MuPad
    Status Taschenrechner

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Mathe-Seiten:Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
StartseiteMatheForenStatistik (Anwendungen)Regressionsanalyse
Foren für weitere Schulfächer findest Du auf www.vorhilfe.de z.B. Philosophie • Religion • Kunst • Musik • Sport • Pädagogik
Forum "Statistik (Anwendungen)" - Regressionsanalyse
Regressionsanalyse < Statistik (Anwend.) < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Regressionsanalyse: mittlere Laufleistung
Status: (Frage) beantwortet Status 
Datum: 16:22 Di 09.02.2010
Autor: domerich

Aufgabe
Ein Reifenhersteller verändert die Zusammensetzung der Gummimischung für seinen
Premium-Reifen und vergleicht in einer Versuchsreihe die Laufleistung (in 1000 km) des
neuen (PR2) und des alten (PR1) Reifens. Nachfolgend finden Sie den Output der zugehörigen
linearen Regression in R.

Call:
lm(formula = Laufleistung ~ Reifenart)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 38.9500 0.8799 44.264 < 2e-16 ***
ReifenartPR2 3.6000 1.2444 ?.??? 0.00495 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 5.565 on 78 degrees of freedom
Multiple R-squared: 0.0969, Adjusted R-squared: 0.08532
F-statistic: ?.??? on 1 and 78 DF, p-value: 0.004945

Welche mittlere Laufleistung haben die beiden Reifentypen?

ich verstehe leider nichtmal was diese Aufgabe soll und was eine Regressionsanalyse hier helfen soll.

hat mir trotzdem jemand einen Tipp, wo sich hier im R output informationen verstecken, denen ich ein Mittelwert entnehmen kann?

danke!

        
Bezug
Regressionsanalyse: Antwort
Status: (Antwort) fertig Status 
Datum: 16:33 Di 09.02.2010
Autor: Marcel08

Hi domerich!


> Ein Reifenhersteller verändert die Zusammensetzung der
> Gummimischung für seinen
>  Premium-Reifen und vergleicht in einer Versuchsreihe die
> Laufleistung (in 1000 km) des
>  neuen (PR2) und des alten (PR1) Reifens. Nachfolgend
> finden Sie den Output der zugehörigen
>  linearen Regression in R.
>  
> Call:
>  lm(formula = Laufleistung ~ Reifenart)
>  Coefficients:
>  Estimate Std. Error t value Pr(>|t|)
>  (Intercept) 38.9500 0.8799 44.264 < 2e-16 ***
>  ReifenartPR2 3.6000 1.2444 ?.??? 0.00495 **
>  ---
>  Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’
> 0.05 ‘.’ 0.1 ‘ ’ 1
>  Residual standard error: 5.565 on 78 degrees of freedom
>  Multiple R-squared: 0.0969, Adjusted R-squared: 0.08532
>  F-statistic: ?.??? on 1 and 78 DF, p-value: 0.004945
>  
> Welche mittlere Laufleistung haben die beiden Reifentypen?
>  ich verstehe leider nichtmal was diese Aufgabe soll und
> was eine Regressionsanalyse hier helfen soll.



Vielleicht postet du an dieser Stelle mal, was das generelle Ziel einer Regressionsanalyse ist.




> hat mir trotzdem jemand einen Tipp, wo sich hier im R
> output informationen verstecken, denen ich ein Mittelwert
> entnehmen kann?
>  
> danke!





Gruß, Marcel

Bezug
                
Bezug
Regressionsanalyse: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 18:00 Di 09.02.2010
Autor: domerich

"Ziel der Varianzanalye ist eine Zerlegung
der Gesamtvarianz der abhängigen Variable in Varianz innerhalb der Gruppen und Varianz
zwischen den Gruppen. " sagt das skript also möchte ich gucken wie groß die Varianz innerhalb einer Gruppe und zwischen Gruppen ist. man kann also irgendwie gucken ob Gruppen ähnlich zueinander sind.

Also denke ich mir dass man hier gucken will wie ähnlich oder auch nicht alte und neue Autoreifen sich verhalten.

also werden hier die laufleistungen alter und neuer reifen verglichen. d.h. jeder einzelne Wert ist eine Laufleistung. Die sind hier ja nicht gegeben sondern nur irgendwelche Summen von Abweichungen oder?

Bezug
                        
Bezug
Regressionsanalyse: Antwort
Status: (Antwort) fertig Status 
Datum: 19:14 Di 09.02.2010
Autor: Marcel08

Hi domerich!


> "Ziel der Varianzanalye ist eine Zerlegung
>  der Gesamtvarianz der abhängigen Variable in Varianz
> innerhalb der Gruppen und Varianz
>  zwischen den Gruppen. " sagt das skript also möchte ich
> gucken wie groß die Varianz innerhalb einer Gruppe und
> zwischen Gruppen ist. man kann also irgendwie gucken ob
> Gruppen ähnlich zueinander sind.
>  
> Also denke ich mir dass man hier gucken will wie ähnlich
> oder auch nicht alte und neue Autoreifen sich verhalten.
>  
> also werden hier die laufleistungen alter und neuer reifen
> verglichen. d.h. jeder einzelne Wert ist eine Laufleistung.
> Die sind hier ja nicht gegeben sondern nur irgendwelche
> Summen von Abweichungen oder?



Es sind die Parameter der linearen Regression gegeben und zwar genau die, die die Summe der Quadratischen Residuen (SSR) im Zuge der KQ-Schätzung minimieren.


Kannst du das durch R verwendete, allgemine Regressionsmodell aufstellen, welches die besagten Parameter (zunächst in allgemeiner Form) beinhaltet?




Zusammengefasst:


1.) Wie viele Regressionsparameter gibt es?

2.) Wie lautet die SSR in Abhängigkeit der minimierenden Regressionsparameter?

3.) Wie lautet das allgemeingültige, lineare Regressionsmodell?





Gruß, Marcel



Bezug
                                
Bezug
Regressionsanalyse: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 20:44 Di 09.02.2010
Autor: domerich

also es gibt eine Konstante (Intercept) und ein [mm] \beta [/mm] das ist reifenart PR2

also 1 regressionsparameter

ich sehe grad ich hab [mm] \wurzel{\sigma^2} [/mm] gegeben, n=80? und p=1

also ist [mm] 5.565^2 [/mm] = [mm] \bruch{1}{80-1-1}*\sum u_i^2 [/mm]

und [mm] \sum u_i^2= [/mm] 2415.59955

bin ich hier auf dem holzweg?


allg. gilt [mm] \alpha_0 [/mm] + [mm] \beta_i [/mm]



Bezug
                                        
Bezug
Regressionsanalyse: Antwort
Status: (Antwort) fertig Status 
Datum: 21:13 Di 09.02.2010
Autor: Marcel08


> also es gibt eine Konstante (Intercept) und ein [mm]\beta[/mm] das
> ist reifenart PR2


[notok]



> also 1 regressionsparameter


[notok]



> ich sehe grad ich hab [mm]\wurzel{\sigma^2}[/mm] gegeben, n=80? und p=1


[ok]



> also ist [mm]5.565^2[/mm] = [mm]\bruch{1}{80-1-1}*\sum u_i^2[/mm]


Ich hatte dich eigentlich nach der SSR in Abhängigkeit der minimierenden Regressionsparameter [mm] \beta_{0},...,\beta_{n} [/mm] gefragt.



> und [mm]\sum u_i^2=[/mm] 2415.59955
>  
> bin ich hier auf dem holzweg?
>  
>
> allg. gilt [mm]\alpha_0[/mm] + [mm]\beta_i[/mm]


Nein. Das Regressionsmodell wird von lm allgemein KQ-geschätzt zu


[mm] y_{i}=\beta_{0}+\beta_{1}x_{i}+u [/mm]





Gruß, Marcel

Bezug
                                                
Bezug
Regressionsanalyse: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 21:50 Di 09.02.2010
Autor: domerich

ich habe doch  ein Model mit  
[mm] y_i= \beta_0=38.95 [/mm] + [mm] \beta_1=3.6 x_i [/mm]

soweit ich das sehe.

den Begriff SSR kenne ich nur aus der Varianzanlyse. weiß ich nicht wie es weiter geht bzw was ein SSR in der Regressionsanalyse ist :(

Bezug
                                                        
Bezug
Regressionsanalyse: Antwort
Status: (Antwort) fertig Status 
Datum: 22:38 Di 09.02.2010
Autor: Marcel08


> ich habe doch  ein Model mit  
> [mm]y_i= \beta_0=38.95[/mm] + [mm]\beta_1=3.6 x_i[/mm]



Das ist falsch. Allgemein gilt für das Regressionsmodell


[mm] y_{i}=\beta_{0}+\beta_{1}x_{i} [/mm]



Durch Umstellen erhalten wir


[mm] y_{i}-\beta_{0}-\beta_{1}x_{i} [/mm]



Die Summe der quadrierten Residuen (SSR) liefert dann das Minimierungsproblen zu


[mm] \summe_{i=0}^{n-1}(y_{i}-\beta_{0}-\beta_{1}x_{i})^{2} [/mm]



Jetzt ist es so, dass die Laufleistung gemäß Aufgabenstellung auf [mm] y_{0},...,y_{n-1} [/mm] Messungen beider Reifenarten zurückzuführen ist, sodass man die Reifenart auch als Dummyvariable, bestehend aus [mm] x_{0},...,x_{n-1} [/mm] Werten interpretieren kann. Dann hätte man quasi 0 für die Reifenart PR2 und 1 für die Reifenart PR1.


Nun kann man diese Summe entsprechend aufzuteilen, sodass man für einen Teil [mm] x_{i}=0 [/mm] und für den anderen Teil für [mm] x_{i}=1 [/mm] hat. Man kann dann schreiben


[mm] \summe_{i=0}^{n-1}(y_{i}-\beta_{0}-\beta_{1}x_{i})^{2}=\summe_{i=1}^{n-1}(y_{i}-\beta_{0})^{2}+\summe_{i=1}^{n-1}(y_{i}-\beta_{0}-\beta_{1})^{2} [/mm]



Kannst du herausfinden, welche Werte die Regressionsparameter jeweils annehmen müssen, um die beiden Summen entsprechend zu minimieren? Du kannst dabei zunächst [mm] \beta_{0} [/mm] als gegeben betrachten.



> soweit ich das sehe.
>
> den Begriff SSR kenne ich nur aus der Varianzanlyse. weiß
> ich nicht wie es weiter geht bzw was ein SSR in der
> Regressionsanalyse ist :(





Gruß, Marcel

Bezug
                                                                
Bezug
Regressionsanalyse: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 00:07 Mi 10.02.2010
Autor: domerich

intuitiv würde ich raten, dass für die erste Teilsumme [mm] \beta_0 [/mm] am besten gleich [mm] \overline{y} [/mm] ist damit die Summe klein wird.

in der zweiten Summe analog [mm] (\beta_0+\beta_1)=\overline{y} [/mm]

wenn [mm] \beta_0 [/mm] gegeben also

[mm] \beta_1=\overline{y}-\beta_0 [/mm]

Bezug
                                                                        
Bezug
Regressionsanalyse: Antwort
Status: (Antwort) fertig Status 
Datum: 10:09 Mi 10.02.2010
Autor: Marcel08


> intuitiv würde ich raten, dass für die erste Teilsumme
> [mm]\beta_0[/mm] am besten gleich [mm]\overline{y}[/mm] ist damit die Summe
> klein wird.


Ja.



> in der zweiten Summe analog [mm](\beta_0+\beta_1)=\overline{y}[/mm]
>  
> wenn [mm]\beta_0[/mm] gegeben also
>
> [mm]\beta_1=\overline{y}-\beta_0[/mm]  


Ja.



Allerdings empfiehlt es sich hier noch die Mittelwerte der Summen voneinander zu unterscheiden. Dann hätte man für die zweite Summe:


[mm] \hat\beta_{1}=\overline{y}_{1}-\hat\beta_{0}. [/mm]


Zu Beachten ist dabei, dass das arithmetische Mittel der Laufzeiten der Reifenart 2 hier durch [mm] \overline{y}_{1} [/mm] repräsentiert wird.



Ferner erhält man und für die erste Summe


[mm] \hat\beta_{0}=\overline{y}_{0}, [/mm]


wobei [mm] \overline{y}_{0} [/mm] das arithmetische Mittel der Reifenart 1 darstellt.



Abschließend erhält man also die entsprechenen R-Ausgabe zu


[mm] \hat\beta_{0}=\overline{y}_{0}=38.95 [/mm] und


[mm] \hat\beta_{1}=\overline{y}_{1}-\hat\beta_{0}=\overline{y}_{1}-\overline{y}_{0}=3.6 [/mm]





Gruß, Marcel

Bezug
                                                                                
Bezug
Regressionsanalyse: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 13:15 Mi 10.02.2010
Autor: domerich

danke für diese herleitung!

Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.matheforum.net
[ Startseite | Forum | Wissen | Kurse | Mitglieder | Team | Impressum ]