Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 5 Eğri Uydurma Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Bölüm 5: Eğri Uydurma Giriş En Küçük Kareler Regresyonu Lineer Regresyon Yöntemi Polinom Regresyon Yöntemi Çoklu Regresyon İnterpolasyon Lineer İnterpolasyon (Ara Değer Bulma) Kuadratik İnterpolasyon Newton İnterpolasyon Polinomunun Genel Formu Lagrange İnterpolasyonu Mühendislik Uygulaması Örneği Giriş Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Veriler, genellikle sürekli bir ortam boyunca ayrık değerler şeklinde elde edilir. Ancak, bazen bu ayrık noktalar arasındaki değerlerin bilinmesi istenebilir. Böyle durumlarda, bu ayrık veri değerlerine bir eğri uydurularak ara değerler tahmin edilmeye çalışılır. Bu bölümde, bu tür ayrık verilere eğri uydurma yöntemleri ele alınacaktır. Eğri uydurma işlemi için temelde iki tip yaklaşım vardır: 1. Yaklaşım: Özellikle karmaşık ve hassas olmayan veri gruplarına bu yaklaşım uygulanır. Amaç , verilerin genel eğilimini belirlemektir. Bu nedenle, uydurulan eğrinin ayrık verilerin her birinden geçmesi söz konusu değildir ve veri değerleri ile uydurulan eğri arasında çok büyük farklıklar olabilir. Bu tip yaklaşımlara regresyon adı verilir. 2. Yaklaşım: Verilerin çok hassas olarak belirlenmiş olduğunun bilindiği durumlarda uygulanır. Bu nedenle, amaç ayrık veri değerlerinin her birinden geçen bir eğri uydurmaktır. Bu tür veriler gennellikle tablolardan oluşur (termodinamik tabloları gibi). İyi bilinen bu ayrık noktalar arasındaki değerlerin tahmin edilmesi için uygulanan bu yaklaşıma interpolasyon adı verilir. Giriş Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. regresyon interpolasyon Giriş : Basit İstatistiki Bilgiler Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Aritmetik Ortalama Standart Sapma Varyans Varyasyon Katsayısı En Küçük Kareler Regresyonu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Verilerde önemli hatalar olduğunda, interpolasyon ara değerleri tahmin etmek için kullanıldığında tatmin edici sonuçlar vermez. Örneğin, önemli oranda değişiklik gösteren Şekil 5.1’deki deneysel verileri ele alalım. Eğer (6. derece) bir interpolasyon polinomu bu verilere uydurulursa, eğri bütün noktalardan geçecektir (Şekil 5.1b). Ancak, verilerdeki değişkenlikler nedeni ile,eğri, aralık içerisindeki noktalar arasında büyük salınımlar gösterir ve bazı x değerleri için veri aralığının oldukça dışında y değerleri tahmini yapacaktır. Bu tür durumlar için çok daha uygun strateji, her bir noktaya uyması gerekmeksizin, verilerin genel eğilimine uyan bir eğri uyumlamaktır (regrasyon). Veri noktaları ile eğri arasındaki farkın (yani hatanın) kareleri toplamını minimum yapacak bir eğri uyumlanması en küçük kareler regrasyonu olarak adlandırılır. Şekil 5.1 En Küçük Kareler Regresyonu : En iyi uyum için kriter Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. E = Ölçülen değer - Yaklaşım değeri yi,ölçülen yi , model 1.) Hata toplamlarını minimum yapmak: yi,m E : Hata yi,ö 2.) Mutlak hata toplamlarını minimum yapmak: xi 3.) Hataların Karesinin toplamını minimum yapmak: En Küçük Kareler Regresyonu : Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. E = Ölçülen değer - Yaklaşım değeri En küçük kareler yaklaşımının en basit örneği bir veri setine bir doğru uyumlamaktır. y = a0 + a1x E : Hata Bir doğrunun genel matematiksel ifadesi: y = a0 + a 1 x Ölçülen değerler ile uyumlanan eğri (doğru) sonuçları arasındaki hata E : E12 = (y1 - a0 - a1x1 )2 E1 = y1 - a0 - a1x1 E2 = y2 - a0 - a1x2 E22 = (y2 - a0 - a1x2 )2 En = yn - a0 - a1xn En2 = (yn - a0 - a1xn )n + xi En Küçük Kareler Regresyonu : Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Sr’yi minimum yapan doğru denklemini belirlenmesi demek a0 ve a1 katsayılarının belirlenmesi anlamına gelmektedir. Bunun için Sr’nin a0 ve a1 göre kısmi türevleri alınıp sıfıra eşitlenmesi gerekir. y = a0 + a 1 x En Küçük Kareler Regresyonu : Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.1 Tabloda verilen veri grubuna bir doğru denklemi uyumlayınız. Σ xi yi 1 0.5 2 2.5 3 2.0 4 4.0 5 3.5 6 6.0 7 5.5 y = a0 + a 1 x En Küçük Kareler Regresyonu : Doğrusal Regresyon: Doğrusal Olmayan İlişkilerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Doğrusal regresyon verilere en iyi doğruyu uyumlamak için güçlü bir yöntemdir. Ancak, bağımlı ve bağımsız değişkenin arasındaki ilişkinin doğrusal olduğu gerçeğine dayanmaktadır. Verilerin dağılımı her zaman doğrusal nitelikte olmayabilir (Şekil 5.2a). Böyle durumlarda polinom regresyonu uygulanır (Şekil 5.2b). Bazı durumlarda ise, verileri, önce doğrusal regresyona uygun bir yapıya dönüştürülerek doğru denklemi uygulanır. Ardından ters dönüşüm yapılarak orijinal denklem belirlenir. (Şekil 5.3). Şekil 5.2 En Küçük Kareler Regresyonu : Doğrusal Regresyon: Doğrusal Olmayan İlişkilerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Üstel denklem Güç denklemi Eğim = b1 Eğim = b1 Kesim noktası = ln b0 Şekil 5.3 Kesim noktası = log b0 En Küçük Kareler Regresyonu : Doğrusal Regresyon: Doğrusal Olmayan İlişkilerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Üstel denklem z = a0 + a1 t a0 , a1 ( E.K.K ) Eğim = b1 Kesim noktası = ln b0 z= a0 = a1 = b1 t=x En Küçük Kareler Regresyonu : Doğrusal Regresyon: Doğrusal Olmayan İlişkilerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Güç denklemi z = a0 + a1 t Eğim = b1 a0 , a1 ( E.K.K ) z= a0 = Kesim noktası = log b0 a1 = b1 t = log x FigKüçük 17.4 Kareler Regresyonu : Doğrusal Regresyon: En Doğrusal Olmayan İlişkilerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.2 Tabloda verilen verilere en küçük kareler yöntemini kullanarak güç denklemi uyumlayınız. Σ xi yi 1 0.5 2 1.7 3 3.4 4 5.7 5 8.4 t i= log xi zi = log yi y = a0 + a 1 x Σt i2 Σt i zi En Küçük Kareler Regresyonu : Polinom Regresyonu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Doğrusal yapıda olmayan verilere eğri uyumlamanın bir başka yolu da polinom regrasyonudur. Başka bir ifade ile, en küçük kareler yöntemi ile bir doğru yerine, y = a0 + a1 x + a2 x 2 + ….+am x m şeklinde m. dereceden bir polinom uyumlanmasıdır. Bu durumda, hataların karelerinin toplamı: Sr’yi minimum yapan polinomun bulabilmek için a0 , a1 , a2 …., am katsayılarının belirlenmesi anlamına gerekmektedir. Bunun için Sr’nin a0 , a1 , a2 …., am göre kısmi türevleri alınıp sıfıra eşitlenmesi gerekir. En Küçük Kareler Regresyonu : Polinom Regresyonu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. a0 , a1 , a2 …., am : m +1 bilinmeyen m. Dereceden bir polinomun E.K.K yöntemi ile n tane veri takımına uygulanması problemi (m+1) tane denklemden oluşan cebirsel denklem sisteminin çözümüne dönüştürmektedir. En Küçük Kareler Regresyonu : Polinom Regresyonu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örneğin, m = 2. dereceden bir polinom uyguladığımızı düşünürsek yandaki genel denklem sistemi aşağıdaki gibi olur. En Küçük Kareler Regresyonu : Polinom Regresyonu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.2 (Ödev) Tabloda verilen verilere en küçük kareler yöntemini kullanarak ikinci dereceden bir polinom uyumlayın. Σ x y 0 2.1 1 7.7 2 13.6 3 27.2 4 40.9 5 61.1 x i2 x i3 x i4 Σxi yi Σxi2 yi En Küçük Kareler Regresyonu : Çoklu Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Doğrusal regresyonun kullanılışlı bir uzantısı, y’nin iki veya daha fazla bağımsız değişkenin doğrusal fonksiyonu olduğu durumdur. Örneğin, y aşağıdaki gibi x1 ve x2’nin fonksiyonu olabilir: y = a0 + a1x1 +a2x2 Bu tür bir denklem, incelenen değişkenin genellikle diğer iki değişkenin bir fonksiyonu olduğu durumda deneysel verilere eğri uyumlamak oldukça kullanışlıdır. Daha önceki durumlarda olduğu gibi, katsayıların “en iyi” değeri, hataların kareleri toplamını minimum yapacak değerdir. Sr’yi minimum yapan doğru denklemini belirlenmesi demek a0 ve a1 katsayılarının belirlenmesi anlamına gelmektedir. Bunun için Sr’nin a0 , a1 ve a2 göre kısmi türevleri alınıp sıfıra eşitlenmesi gerekir. En Küçük Kareler Regresyonu : Çoklu Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. En Küçük Kareler Regresyonu : Çoklu Doğrusal Regresyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.3 Tablodaki verilere, y = a0 + a1x1 +a2x2 şeklinde bir eğiri uyumlamak için çoklu regresyonu kullanın. Σ x1 x2 y 0 0 5 2 1 10 2.5 2 9 1 3 0 4 6 3 7 2 27 x1i2 x2i2 x1i x2i x1i yi x2i yi En Küçük Kareler Regresyonu : Çok Değişkenli Denklemlerin Doğrusallaştırılması Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. İnterpolasyon (Ara Değer Bulma) Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Genellikle, bilinen veri noktaları arasındaki ara değerleri tahmin etmek istenir. Ara değerlerin tahmin edilmesi için uygulanan bu yaklaşıma interpolasyon adı verilir. Doğrusal interpolasyon 2. Derece (kuadratik) interpolasyon 3. Derece (kübik) interpolasyon Polinom interpolasyonu İnterpolasyon: Doğrusal İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. En basit interpolasyon şekli iki veri noktasını bir doğru ile birleştirmektir. Doğrusal interpolasyon olarak adlandırılan bu teknik, Şeklide gösterilen üçgenlerde benzerlik kuralına dayanılarak geliştirilmiştir. Genel olarak, veri noktaları arasındaki fark ne kadar küçükse doğrusal interpolasyon yaklaşımı o kadar iyi sonuç verir. İnterpolasyon: Doğrusal İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.4 Doğrusal interpolasyonu kullanarak 2 sayısının doğal logaritmasının (yani ln 2’yi): a) ln 1 = 0 ve ln 6 = 1.791759 b) ln 1 = 0 ve ln 4 = 1.386294 aralığını kullanarak tahmin edin. İnterpolasyon: İkinci Derece (Kuadratik) İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. İnterpolasyon tekniği ile daha iyi tahminler yapabilmek için, doğrusal yaklaşım yerine, 2. dereceden bir polinom uyumlamak tercih edilebilir. (Ancak, 2. dereceden bir yaklaşım için en az üç veri noktasına ihtiyaç vardır.) 2. dereceden polinom interpolasyonu için aşağıdaki ikinci derece polinom formu uygundur: (1) Dikkat edilirse, yukarıda denklem, genel 2. derece polinom denklemi f (x) = a0 + a1x + a2x2 den farklı görünüyor olmasına karşı esasen, her iki denklemde aynıdır. Bu durum, Eşitlik (1) deki terimler çarpılarak kanıtlanabilir. Görüldüğü gibi, (1) numaralı Denklem, 2. derece polinom için alternatif bir formdur. İnterpolasyon: İkinci Derece (Kuadratik) İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Denklem (1)’de bulunan b0 , b1 ve b2 katsayı değerlerini elde etmek için aşağıdaki adımlar izlenir: (1) 1. Adım: Denklem (1)’de x = x0 yazılır ve b0 için aşağıdaki ifade elde edilir: (2) 2. Adım: (2) numaralı eşitlik ve x = x1 Denklem (1)’de yazılır ve b1 için aşağıdaki ifade elde edilir: (3) 3. Adım: (2) ve (3) numaralı eşitlikler ile x = x2 Denklem (1)’de yazılır ve b2 için aşağıdaki ifade elde edilir: (4) İnterpolasyon: İkinci Derece (Kuadratik) İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.5 2. Derece polinom interpolasyonu kullanarak ln 2’yi tahmin edin. x0 = 1 f (x0) = ln 1 = 0 x1 = 4 f (x1) = ln 4 = 1.386294 x2 = 6 f (x2) = ln 6 = 1.791760 İnterpolasyon: Newton İnterpolasyon Polinomunun Genel Formu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Şu ana kadar sunulan interpolasyon teknikleri, esas itibariyle, Newton İnterpolasyon Polinomunun basit 1. ve 2. derece uygulamalarıdır. Bir önceki başlıkta ele alınan, 2. derece polinom interpolasyonu için açıklanan teknik, n+1 veri veri noktasından geçen n. dereceden bir polinom elde etmek için kullanılabilir: Daha önce (2. dereceden interpolasyonda) yapıldığı gibi, b0 , b1 , b2 …. bn katsayıları, veri noktaları yardımıyla belirlenir. n. dereceden bir polinom için n+1 adet veri noktası gerekir: [x0, f(x0)] [x1, f(x1)] [x2, f(x2)] [xn, f(xn)] İnterpolasyon: Newton İnterpolasyon Polinomunun Genel Formu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Burada köşeli parantezli fonksiyon hesaplamaları sonlu bölünmüş farklardır: İnterpolasyon: Newton İnterpolasyon Polinomunun Genel Formu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Newton İnterpolasyon Polinomunun Genel Formu İnterpolasyon: İkinci Derece (Kuadratik) İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.6 3. Dereceden Newton interpolasyon polinomu yardımı ile ln 2 değerini tahmin edin. x0 = 1 f (x0) = ln 1 = 0 x1 = 4 x2 = 6 x3 = 5 f (x1) = ln 4 = 1.386294 f (x2) = ln 6 = 1.791760 f (x3) = ln 5 = 1.609438 b0 = f(x0) b1 = [f(x1), f(x0)] b2 = [f(x2), f(x1), f(x0)] b3 = [f(x3), f(x2), f(x1), f(x0)] İnterpolasyon: Lagrange İnterpolasyon Polinomu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Lagrange interpolasyon polinomu, Newton interpolasyon polinomunun yeniden düzenlenmiş halidir. Π : Terimlerin Çarpımı Birinci dereceden ( n = 1 için ) Lagrange interpolasyon polinomu : İnterpolasyon: Lagrange İnterpolasyon Polinomu Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Π : Terimlerin Çarpımı İkinci dereceden ( n = 2 için ) Lagrange interpolasyon polinomu : İnterpolasyon: İkinci Derece (Kuadratik) İnterpolasyon Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display. Örnek 5.7 Aşağıdaki veri gruplarına dayanarak ln2 değerini tahmin etmek için 1. ve 2. derece lagrange interpolasyon polinomlarını kullanın. x0 = 1 f (x0) = ln 1 = 0 x1 = 4 f (x1) = ln 4 = 1.386294 x2 = 6 f (x2) = ln 6 = 1.791760 1. Derece (n=1) = 0.4620981 2. Derece (n = 2) = 0.5658444
© Copyright 2024 Paperzz