Page 209 - 4512

Прогнозування на нових даних
Застосуємо модель до нових даних. Нехай ми хочемо оці-
нити глибину вогнища землетрусу з параметрами (незалеж-
ними змінними):

Широта – 48,5;
Довгота – 24,5;
Магнітуда – 6.

Виходячи з оцінок параметрів, обчислимо прогнозне зна-
чення глибини вогнища землетрусу для першої частини рів-
няння (13.25):

ˆ
H  97,667 1,837 48,5 0,130 24,5 0,84 6 10,4km       

Згідно параметрів регресійної моделі (рис.13.107)
значення контрольної точки Breakpoint дорівнює 37,04373. Це
означатиме, що в рівнянні кусочно-лінійної регресії (13.25) ви-
конується логічна умова для першої частини рівняння
(y beakpoint) і ми приймаємо прогнозну глибину H  ˆ 10,4km
за остаточну.

Приклад 13.9. Логічні операції, продемонстровані в по-
передньому прикладі, можуть також бути використані для того,
щоб конкретизувати регресійні моделі для різних регіонів неза-
лежної змінної, тобто, щоб оцінити кусочно-лінійні регресійні
моделі.
Розглянемо моделі регресії, коли природа взаємозв’язків
між залежними і незалежними змінними залежить від діапазону
змінних. Наприклад, одна з таких моделей передбачає зміну на-
хилу регресійної прямої після досягнення предиктором певної
значення (x c ):
y b 0  b x b 2 ( x x c ). (13.24)
1
Цей приклад базується на параметрах складно-побудова-
них колекторів. Метою регресійного аналізу є побудова регре-
сійної моделі для прогнозування коефіцієнта пористості за да-
ними акустичного каротажу. Попередній аналіз кореляційного

208