For this problem we will try to pre

For this problem we will try to predict the response O2UP given the variables suggested in
this problem: BOD, TKN, TS, TV S,COD. We begin by plotting a scatter plot matrix of
all the variables without any transformations. We see that the range of the O2UP variable
covers three orders of magnitude from 0.3 to 36.0 and does not appear to be linearly correlated
with any of the variables very strongly. Because the range of O2UP spans several
orders of magnitude this might suggest a logarithmic transformation. When we perform that
transformation we see that several of the variables (like BOD, TS, TV S, and COD) appear
to be linearly related.

If we consider the linear model with a response logO2UP that uses all possible predictors
we find a Table 14. This table indicates that none of the beta coefficients (given all of the
others) are known with great certainty. This and the fact that the sample size is so small 20
points we expect to get considerable benefit from performing subset selection.

We begin with forward selection on this problem. The R function step predicts a model with
two predictors given by logO2UP~TS+COD and having an AIC given by −18.92. Backwards
selection in this case gives exactly the same model and AIC value. The estimated parameters
from this model are given in Table 15. From their t-values and associated probabilities we
see that these variable are much more accurately known.

ผลลัพธ์ (ไทย) 2:

สำหรับปัญหานี้เราจะพยายามที่จะทำนาย O2UP การตอบสนองที่กำหนดตัวแปรที่แนะนำใน
ปัญหานี้: BOD, TKN, TS, ทีวี S, COD เราเริ่มต้นด้วยการพล็อตเมทริกซ์แปลงกระจายของ
ตัวแปรทั้งหมดโดยไม่มีการเปลี่ยนแปลงใด ๆ เราจะเห็นว่าในช่วงของตัวแปร O2UP
ครอบคลุมสามคำสั่งของขนาด 0.3-36.0 และไม่ปรากฏว่ามีความสัมพันธ์เชิงเส้นตรง
กับใด ๆ ของตัวแปรที่รุนแรงมาก เพราะช่วงของ O2UP ครอบคลุมหลาย
คำสั่งซื้อของขนาดนี้อาจแนะนำการเปลี่ยนแปลงลอการิทึม เมื่อเราดำเนินการที่
เปลี่ยนแปลงเราจะเห็นว่าหลายตัวแปร (เช่น BOD, TS, ทีวี S และซีโอดี) ปรากฏ
ว่าจะเกี่ยวข้องเป็นเส้นตรง. ถ้าเราพิจารณารูปแบบเชิงเส้นที่มีการตอบสนอง logO2UP ที่ใช้ทำนายเป็นไปได้ทั้งหมดเราจะพบตารางที่ 14 . ตารางนี้แสดงให้เห็นว่าไม่มีค่าสัมประสิทธิ์เบต้า (ได้รับทั้งหมดของอื่น ๆ ) เป็นที่รู้จักกันด้วยความเชื่อมั่นที่ดี นี้และความจริงที่ว่าขนาดของกลุ่มตัวอย่างที่มีขนาดเล็กเพื่อให้ 20 จุดเราคาดว่าจะได้รับประโยชน์อย่างมากจากการปฏิบัติตัวเลือกย่อย. เราเริ่มต้นด้วยการเลือกไปข้างหน้าในการแก้ปัญหานี้ ขั้นตอนการทำงานวิจัยคาดการณ์ว่ารุ่นที่มีสองตัวพยากรณ์ที่ได้รับจาก logO2UP ~ TS + ซีโอดีและมี AIC กำหนดโดย -18.92 ย้อนกลับตัวเลือกในกรณีนี้ให้ตรงรุ่นเดียวกันและมูลค่า AIC พารามิเตอร์ประมาณจากรุ่นนี้จะได้รับในตารางที่ 15. จาก t-ค่านิยมและความน่าจะเป็นที่เกี่ยวข้องของพวกเขาที่เราเห็นว่าตัวแปรเหล่านี้เป็นที่รู้จักกันมากขึ้นอย่างถูกต้อง

ผลลัพธ์ (ไทย) 3:

สำหรับปัญหานี้ เราจะพยายามที่จะทำนายการตอบสนอง o2up ระบุตัวแปร ~
ปัญหานี้ : BOD , TKN , TS , ทีวี , ซีโอดี เราเริ่มวางแผนกระจายจุดเมทริกซ์
ทั้งหมดตัวแปรโดยไม่เปลี่ยนแปลง . เราพบว่าช่วงของตัวแปร o2up
ครอบคลุมคำสั่งของขนาดสามตั้งแต่ 0.3 ถึง 36.0 และไม่ปรากฏที่จะมีความสัมพันธ์เป็นเส้นตรง
กับใด ๆของตัวแปรที่แข็งแกร่งมาก เพราะช่วง o2up ขยายคำสั่งหลาย
ขนาดนี้อาจแนะนำการเปลี่ยนแปลงลอการิทึม เมื่อเราทำการเปลี่ยนแปลงที่เราเห็นว่า
หลายตัวแปร ( เช่น BOD , TS , ทีวี , และซีโอดี ) เป็นเส้นตรงที่ปรากฏ


ถ้าเราพิจารณาแบบจำลองเชิงเส้นที่มีการตอบสนองที่เป็นไปได้ทั้งหมด logo2up ใช้พยากรณ์
เราพบตารางที่ 14ตารางนี้แสดงให้เห็นว่าไม่มีของค่าสัมประสิทธิ์เบต้า ( ให้ทั้งหมดของ
ๆ ) เป็นที่รู้จักกันด้วยความมั่นใจ นี้และความจริงที่ว่าขนาดตัวอย่างมีขนาดเล็ก 20
จุด เราคาดว่าจะได้รับประโยชน์มากจากการเลือกย่อย

เราเริ่มต้นด้วยการเลือกไปข้างหน้าในปัญหานี้ R ขั้นตอนการทำงานคาดการณ์รูปแบบกับ
สองตัวนี้ให้ โดย logo2up ~ TS ซีโอดี และมีรูปแบบให้โดย บริษัท เวสเทิร์น 18.92 . ถอยหลัง
เลือกในกรณีนี้ให้เหมือนรูปแบบและค่า AIC . ประมาณค่าพารามิเตอร์
จากแบบจำลองนี้ยกให้เป็นโต๊ะ 15 t-test และความน่าจะเป็นที่เกี่ยวข้องจากเรา
เห็นเหล่านี้ตัวแปรมีมาก

ถูกต้องจัก