Professional Documents
Culture Documents
Ch5 EğriUydurma 6
Ch5 EğriUydurma 6
Eğ ri Uydurma
Dr. Öğr. Üyesi Nurdan Bilgin
Eğ ri Uydurma
• Eğri uydurma, ayrık veri noktaları kümesini ifade eden sürekli bir fonksiyon olarak
ifade edilebilir.
Deneysel Veri Deneysel Veri
7 100
6,5 80
6 60
40
5,5
20
5
0
4,5 0 1 2 3 4 5 6 7 8 9 10
0 10 20 30 40 50 60
Eğ ri Uydurma
• Mühendislikte eğri uydurma çok farklı amaçlar için kullanılmaktadır.
▫ Deneysel verilerden ilişki çıkarmak (Regrasyon)
▫ Tablolardan ara değerleri belirlemek (İnterpolasyon)
• Regresyon: Verilerin önemli ölçüde ölçüm hatası ve gürültü içerebileceği durumlarda
genel eğilimi gösteren tek bir fonksiyon elde etme çabasıdır. Uydurulan eğri, bir grup
veriyi en iyi şekilde izlemek üzere tasarlanır. Bu amaçla kullanılan en bilinen yaklaşım
en küçük kareler regrasyonudur.
• İnterpolasyon: Verilerin çok hassas olarak bilindiği durumlarda tüm noktalardan
geçen eğri uydurmaktır. İyi bilinen ayrık noktalar arasındaki ara bir değerin
karşılığındaki değeri bulmak için kullanılır.
▫ Termodinamikte buhar tabloları
▫ Sıcaklık - yoğunluk ilişkileri
En Kü çü k Kareler Regrasyonu
• Doğrusal Regrasyon
• Deneysel olarak elde edilmiş veri setine doğru uydurmak.
• Deney sonucunda, şeklinde veri seti elde edilmiş olsun.
X Değerleri Y Değerleri
Doğrunun
Eğimi
1 0,5
2 2,5 𝑦 =𝑎 0 +𝑎 1 𝑥+𝑒
3 2 y-eksenini
4 4 kesen nokta
5 3,5 Hata
6 6 Fonksiyonu
7 5,5 𝑒= 𝑦 − 𝑎 0 − 𝑎1 𝑥
En İyi Uyum İçin Kriter.
• Bir önceki sayfada bulduğumuz hata fonksiyonunu minimum yapmak istiyoruz.
Katsayıların bulunması;
𝑛 ∑ 𝑥𝑖 𝑦 𝑖 − ∑ 𝑥𝑖 ∑ 𝑦 𝑖
Bu eşitlikle bulunan değeri ilk denklemde yerine
𝑎 1= 2
𝑛 ∑ 𝑥 𝑖 − (∑ 𝑥 𝑖 )
2
yazılıp çekilirse;
∑ 𝑦𝑖 ∑ 𝑥𝑖 elde edilir. Bu denklemde sırasıyla y ve x
𝑎 0= − 𝑎1 = 𝑦 −𝑎 1 𝑥 değerlerinin ortalamasıdır.
𝑛 𝑛
Ö rnek
x y x2 xy
1 0,5 1 0,5
2 2,5 4 5
3 2 9 6
4 4 16 16
5 3,5 25 17,5
6 6 36 36
7 5,5 49 38,5
Toplamlar 28 24 140 119,5
Ortalamalar 4 3,428571
𝑛 ∑ 𝑥𝑖 𝑦 𝑖 − ∑ 𝑥𝑖 ∑ 𝑦 𝑖 7 ∗ 119,5 −28 ∗ 24
𝑎 1= 2
= 2
= 0,839
𝑛 ∑ 𝑥 − (∑ 𝑥 𝑖 )
2
𝑖
7 ∗ 140 − ( 28 )
25
𝑦 =0,0725+ 0,839 𝑥
Doğ rusal Regresyon Hatasının Bü yü klü ğ ü nü n Belirlenmesi
veri noktalarından ortalamanın çıkarılıp
kareleri alınıp toplandığında genel
toplama artıkların kareleri toplamı
denir.
Artıkların karelerinin toplamının veri
sayısının bir eksiğine bölümü standart
sapma denir .
Ayrı ayrı ölçümler ortalama civarında
dağınık yayılmışlarsa standart sapma
büyük olacaktır. Tersine sıkıca
gruplanmışlarsa standart sapma küçük
olacaktır. Yayılma aynı zamanda,
varyans olarak adlandırılan, standart
sapmanın karesiyle de ifade edilir.
Doğ rusal Regresyon Hatasının Bü yü klü ğ ü nü n Belirlenmesi
Benzer şekilde
Önemli Not: r değeri 1’e yakın çıksa bile bazen yaptığımız eğri uydurma veriyi en iyi
ifade etme noktasında uygun olmaya bilir. Bilimsel çalışmalarımızda uydurduğumuz
eğriyi deneysel veri ile birlikte göstermeliyiz.
Yaptığımız eğri uydurmanın doğruluğuna ikna olmak için
▫ Çalıştığımız problemin fiziği hakkında fikrimiz olmalı
▫ Verinin üzerine uydurduğumuz eğriyi çizdiğimizde, gözle tetkik ettiğimizde aykırılık
hissetmemeliyiz.
Ö rnek
a0 0,1
a1 0,8
Tahminin
Standart Standart Determinasyon Korelasyon
x y (y-ym)2 (y-a0-a1x)2 Sapma Sapması Katsayısı Katsayısı
1 0,5 8,577 0,168 1,946 0,773 0,868 0,932
2 2,5 0,862 0,564
√ √ 𝑆𝑡
3 2 2,041 0,346
22,714
4 4 0,327 0,328 𝑠 𝑦= = =1,946
5 3,5 0,005 0,587 𝑛−1 7 −1
√ √
6 6 6,612 0,801
7 5,5 4,291 0,197 𝑆𝑟 2,991
𝑠 𝑦 / 𝑥= =
Ortalamalar 4 3,429 𝑛− 2 7−2
Toplamlar 22,714 2,991
2 𝑆𝑡 − 𝑆𝑟 22,714 −2,991
𝑟 = = =0,868
𝑆𝑡 22,714
𝑟 =√ 𝑟
2
Doğ rusal Olmayan Denklemlerin Doğ rusallaştırılması (ü stel Denklem)
Doğrusallaştırma
𝑦 =𝛼1 𝑒
𝛽1 𝑥
Doğrusallaştırma ln 𝑦 =ln 𝛼1+ 𝛽1 𝑥 ln 𝑒
ln 𝑦 =ln 𝛼1+ 𝛽1 𝑥
Doğ rusal Olmayan Denklemlerin Doğ rusallaştırılması (Ü slü Denklem)
Doğrusallaştırma
𝑦 =𝛼 2 𝑥
𝛽1 𝑥
Doğrusallaştırma log 𝑦 =log 𝛼 2+ 𝛽2 log 𝑥
Doğ rusal Olmayan Denklemlerin Doğ rusallaştırılması (Doymuş Bü yü me Oranı Denklemi)
Doğrusallaştırma
𝑥 𝛽3 + 𝑥 1
𝑦 =𝛼 3 Doğrusallaştırma =
𝛽 3 +𝑥 𝛼3 𝑥 𝑦
1 𝛽3 1 1
= +
𝑦 𝛼3 𝑥 𝛼 3
x y
1 0,5 Örnek Problem: Deney yaptık ve yandaki grafiği oluşturan x ve y
2 1,7 y değerleri değerlerini elde ettik. Öngörümüz bu veri setinin şeklinde ifade
3 3,4
4 5,7
8,4
edilebilecek bir fonksiyona uyduğu yönündedir.
5 8,4 5,7 Çözüm
3,4 Bu fonksiyonu elde edebilmek için ilgili fonksiyonun tüm taraflarının
0,5
1,7
logaritmasını alarak doğrusallaştırıyorum.
1 2 3 4 5
0,6
0,4 0,531478917
0,2
0,230448921
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
-0,2
-0,301029996
-0,4
Doğ rusal Regrasyon ile ilgili Genel Yorumlar
• Doğrusal Regrasyonun geçerliliği için aşağıdaki varsayımların geçerli olması
gerekmektedir.
1. değerleri, hata içermemektedir ve rastgele değerler değildirler.
2. değerleri bağımsız rastgele değerlerdir ve aynı varyansa sahiptirler.
3. Verilen bir değeri için değerleri normal dağılmış olmak zorundadırlar
Polinom Regrasyonu
• Bazı mühendislik deney verileri düz bir çizgi ile ifade edilemezler, bir eğri veriye daha
iyi uyum sağlayabilir. Eğer polinomlar regrasyonda kullanılır ise bu tür regrasyonlara
polinom regrasyonu denir.
Polinom Regrasyonu
• Basitleştirme açısından ikinci derece bir polinom uydurduğumuzu varsayalım
Polinom Regrasyonu
Korelasyon katsayısı
Ö rnek
Problem: Aşağıdaki tablonun ilk iki sütunundaki verilere ikinci dereceden bir eğri
uydurun.
Çözüm: ikinci derece polinom olduğu için m=2; veri adeti n=6; x ve y’nin ortalaması
sırasıyla, 2,5 ve 25,433. a1, a2 ve a3’ü hesaplamak için gerekli toplamlar tablonun
toplam satırında elde edilmiş durumda; büyüklükleri yerine yazacağız.
xi yi xi^2 xi^3 xi^4 xiyi xi^2yi
0 2,1 0,0 0,0 0,0 0,0 0,0
1 7,7 1,0 1,0 1,0 7,7 7,7
2 13,6 4,0 8,0 16,0 27,2 54,4
3 27,2 9,0 27,0 81,0 81,6 244,8
4 40,9 16,0 64,0 256,0 163,6 654,4
5 61,1 25,0 125,0 625,0 305,5 1527,5
Toplamlar 15 152,6 55,0 225,0 979,0 585,6 2488,8
Ortalamalar 2,5 25,433
Ö rnek Devam
2
𝑦 =2,45857 + 2,35929 𝑥+ 1,86071 𝑥
Ö rnek
Çözüm Devam:
Tahminin standart sapması;
Korelasyon katsayısı;
70.00000
60.00000
50.00000
40.00000
Katsayılar xi yi a0-a1*xi-a2*xi^2
30.00000 a0 2,45857 0 2,1 2,45857
a1 2,35929 1 7,7 6,67857
20.00000
a2 1,86071 2 13,6 14,61999
10.00000 3 27,2 26,28283
4 40,9 41,66709
0.00000
0 1 2 3 4 5 6
Çoklu Doğ rusal Regrasyon
𝑛 ∑ 𝑥1𝑖 ∑ 𝑥2𝑖 𝑎0 ∑ 𝑦 𝑖
∑ 𝑥1𝑖 ∑ 1𝑖 ∑ 1𝑖 2𝑖 1 ∑ 𝑥1𝑖 𝑦𝑖
𝑥
2
𝑥 𝑥 𝑎 =
∑ 𝑥2𝑖 ∑ 𝑥1𝑖 𝑥2𝑖 ∑ 𝑥2𝑖 2 ∑ 𝑥2𝑖 𝑦𝑖
2
𝑎
Ö rnek
x1 x2 y
0 0 5 Bu verilere bağıntı uydurmak için çoklu
2 1 10 doğrusal regrasyonu kullanınız.
2,5 2 9
1 3 0
4 6 3
7 2 27
y x1 x2 x1^2 x2^2 x1x2 x1y x2y
5 0 0 0 0 0 0 0
10 2 1 4 1 2 20 10
9 2,5 2 6,3 4 5 23 18
0 1 3 1 9 3 0 0
3 4 6 16 36 24 12 18
27 7 2 49 4 14 189 54
Toplamlar
54 17 14 76 54 48 244 100
Ortalamalar
9 2,8 2,3
Katsayı Matrisi Matris Tersi Sabit Sonuç
6 17 14 0,5 -0,1 -0,1 54 5 a0
17 76 48 -0,1 0 -0 244 4 a1
14 48 54 -0,1 -0 0,1 100 -3 a2
Doğ rusal Olmayan Regrasyon
Başlangıç değerlerine ihtiyacım var sonra, iteratif olarak artık sıfıra yaklaşıncaya kadar
döngüye devam edeceğim.
Ö rnek Problem
x 0,25 0,75 1,25 1,75 2,25
y 0,28 0,57 0,68 0,74 0,79
Bu döngüyü 0 veya sıfıra çok yakın bir sınıra kadar sürdürürsem sözü edilen fonksiyon için veriye en iyi
uyan parametreleri bulmuş olurum.