Vyu it logistick regrese pro hodnocen omaku
This presentation is the property of its rightful owner.
Sponsored Links
1 / 13

Využití logistické regrese pro hodnocení omaku PowerPoint PPT Presentation


  • 64 Views
  • Uploaded on
  • Presentation posted in: General

Využití logistické regrese pro hodnocení omaku. Vladimír Bajzík Katedra textilních m ateriálů, Fakulta textilní, Technická univerzita v Liberci, 46117, Liberec, e-mail: [email protected] Subjektivní hodnocení omaku I. Vjem, který je vyvolán kontaktem lidské ruky (kůže) s textilií

Download Presentation

Využití logistické regrese pro hodnocení omaku

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Vyu it logistick regrese pro hodnocen omaku

Využití logistické regrese pro hodnocení omaku

Vladimír Bajzík

Katedra textilních materiálů, Fakulta textilní, Technická univerzita v Liberci, 46117,

Liberec, e-mail: [email protected]


Subjektivn hodnocen omaku i

Subjektivní hodnocení omaku I

  • Vjem, který je vyvolán kontaktem lidské ruky (kůže) s textilií

    - má integrální charakter

    primární složky omaku – celkový omak

    - patří mezi psycho-fyzikální

    charakteristiky

    a) hodnocení související s vlastnostmi

    b) hodnocení související se zkušenostmi atd.


Subjektivn hodnocen omaku ii

Subjektivní hodnocení omaku II

  • - je obtížně měřitelný

  • a) výběr hodnotitelů

    • expert vs. laik

  • b) výběr sémantiky

    • vlastnosti a jejich definice, jak hodnotit

  • c) výběr bodové škály

    • citlivost hodnocení


  • Predikce subjektivn ho hodnocen omaku i

    Predikce subjektivního hodnocení omaku I

    • Speciální přístroje

    • Systém KES

    • 5 skupin – tahové – LT,RT,WT

      smykové –G,2HG,2HG5

      ohybové - B,2HB

      objemové- LC,WC,RC

      povrchové-MIU,MMD,SMD

      6. skupina

      geometrické-T0,W


    Predikce subjektivn ho hodnocen omaku ii

    Predikce subjektivního hodnocení omaku II

    • Klasické přístroje v textilníchlaboratořích

      - adaptéry na dynamometry

      měření modulu v tahu, střihu

      - tuhoměry

      - přístroj měření tření

      - přístroje na snímání povrchového

      reliéfu


    Predikce subjektivn ho hodnocen omaku iii

    Predikce subjektivního hodnocení omaku III

    • Matematické modely

    • Obecně

    • Lineární

    • Logaritmické


    Diskrimina n anal za da a logistick regrese lr

    Diskriminační analýza (DA) a logistické regrese (LR)

    • DA - patří mezi klasifikační metody

    • Pro vícerozměrné normální rozdělení lze použít lineární diskriminační kriterium

      Cr-kovarianční matice mezi znaky objektů ve shluku r, xl-řádkový vektor zařazovaného objektu, -vektor středních hodnot pro objekty ve shluku r, -apriorní pravděpodobnost

      LR – alternativa k MNČ

      - pro binární závisle proměnnou

    • alternativa ke klasifikaci, při porušení

      podmínky vícerozměrného normálního rozdělení

      - řeší se pravděpodobnostní poměr


    Experiment ln st

    Experimentální část

    - 49 tkanin vlnařského typu – pánské oblekovky

    • A) DA

      Subjektivně hodnoceny do 3 tříd

      špatný omak –THV=0

      průměrný omak – THV=1

      dobrý omak – THV=2

    • B) LR

      Subjektivně do 2 tříd

      špatný omak –THV=0

      dobrý omak – THV=1

    • Data ze systému KES, 16 nezávisle proměnných


    Experiment ln st ii

    Experimentální část II

    • Doporučení: min 5 pozorování na 1 znak

    • Ověření normality

      – vícenásobné, jednotlivých proměnných

      2) Eliminace proměnných

      - korelace

      - variabilita v datech


    V b r vhodn ch diskrimin tor

    Výběr vhodných diskriminátorů

    • Kriteria

    • Wilkovo kritérium λ – vyjadřuje diskriminační sílu

      navrženého modelu, pro λ=0, diskriminátor má

      velkou diskriminační sílu. λ=1 diskriminátor má

      malou diskriminační sílu,

    • F test – představuje hodnotu F-kritéria významnosti změny λ, pro

      zařazení nebo odstranění znaku do nebo z modelu

      parciální λ – ukazuje, které znaky přispívají k diskriminaci.

      Čím menší hodnota tím lepší příspěvek,

    • p-úroveň (hladina významnosti α) – je to hladina

      významnosti F- testu. Test je statisticky

      významný a diskriminátor důležitý pokud je

      p<0,05.


    V sledky da

    Výsledky-DA


    Pou it logistick regrese

    Použití logistické regrese

    • Závisle proměnná y – 2 hodnoty 0 a 1

    • Počet nezávisle proměnných x - 10

    • Testování koef.regrese a významu znaků pro model

    • Waldova statistika – vyčísluje statistickou významnost

    • regresních koeficientů

    • Korelační koeficient – vztah mezi y a xi

    • Studentův – t test – testování významnosti jednotlivých regresních

      koeficientů

      statistika – ukazuje zda má být znak zařazen do rovnice


    V sledky lr

    Výsledky - LR

    Model Model ModelModel

    R-Squared D.F. Chi-SquareProb

    0,563892 10 49,13 0,000000


  • Login