2 Curve fitting and interpolation

Question 1

Discrete data

Answer 1

individual data points. Several samples, not a continuous collection of data points.

Question 2

Regression

Answer 2

Bruges til at finde trends i “scattered” data og på den måde bekræfte eller
afkræfte hypoteser og sammenligne eksisterende modeller

Question 3

Interpolation

Answer 3

Bruges til at forudsige ukendte datapunkter ud fra kendt indsamlet data.

Question 4

Hvad kan man bruge til at sige noget om datasættet inden regression?

Answer 4

Middelværdi, standardafvigelse, varians og koefficient variationen

Matlab:
mean(v), median(v), mode(v), min(v), max(v), var(v), std(v)

Question 5

Lineær regression

Answer 5

Forsøger at minimere distancen mellem linjen og alle punkterne

Question 6

Mindste kvadraters metode / Linear least-squares regression

Answer 6

finder de ”bedste” koefficienter i en lineær model for et givent datasæt.

Minimerer summen af kvadrater af de estimerede residualer.

Question 7

Standard afvigelsen

Answer 7

forklarer hvordan datapunkterne varierer ift. Gennemsnittet

Question 8

Standardfejlen

Answer 8

beskriver, hvordan punkterne varierer ift. Fittet vi laver

Question 9

Coefficient of determination, bestemmelseskoefficient

Answer 9

r^2 er forskellen mellem summen af kvadrater fra data residualerne (S_r) og summen af kvadrater af de estimerede residualer (S_t)

• Repræsenterer procentdelen af den originale usikkerhed, som forklares af modellen

Question 10

Hvad er S_r & r^2 værdier ved et perfekt fit?

Answer 10

S_r=0 og r^2=1

Hvis r^2=0 er der ingen forbedring ift. Bare at vælge gennemsnittet (en horisontal linje). Dvs. S_t og S_r er lige dårlige.

Hvis r^2<0 er modellen værre end at vælge gennemsnittet.