gmtregressgmt - Online in de cloud

PROGRAMMA:

NAAM

gmtregress - Lineaire regressie van 1D-gegevenssets

KORTE INHOUD

gmtregressie [ tafel ] [ Min/max/inc ] [ niveau ] [ x|y|o|r ] [ vlaggen ] [ 1|2|r|w ] [ [r] ] [
Min/max/inc | n ] [ [w][x][y][r] ] [ [niveau] ] [ -a] [ -b] [ -g] [
-h] [ -i] [ -o]

Opmerking: Er is geen spatie toegestaan ​​tussen de optievlag en de bijbehorende argumenten.

PRODUCTBESCHRIJVING

gmtregressie leest een of meer gegevenstabellen [of stdin] en bepaalt de beste lineaire
regressie model y = a + b* x voor elk segment met behulp van de gekozen parameters. De gebruiker mag
specificeer welke gegevens en modelcomponenten moeten worden gerapporteerd. Standaard zal het model dat zijn
geëvalueerd op de invoerpunten, maar u kunt ook een equidistant bereik opgeven
waarmee het model moet worden geëvalueerd, of de evaluatie volledig moet worden uitgeschakeld. In plaats van bepalen
voor de beste pasvorm kunnen we een scan uitvoeren van alle mogelijke regressielijnen (voor een hellingsbereik).
hoeken) en onderzoek hoe de gekozen buitenmaatsmaat varieert met de helling. Dit is bijzonder
handig bij het analyseren van gegevens met veel uitbijters. Opmerking: als u daadwerkelijk moet werken met
log10 van x or y u kunt die transformatie tijdens het lezen tot stand brengen door gebruik te maken van de -i optie.

VERPLICHT ARGUMENTEN

Geen

OPTIONELE ARGUMENTEN

tafel Een of meer ASCII (of binaire, zie -bi[ncols][ type dan: ]) gegevenstabelbestand(en) met a
aantal gegevenskolommen. Als er geen tabellen worden gegeven, lezen we uit de standaardinvoer.
Er wordt verwacht dat de eerste twee kolommen het vereiste bevatten x en y gegevens. Afhankelijk
op je -W en -E instellingen kunnen we nog eens 1-3 kolommen met fouten verwachten
schattingen van een van beide gegevenscoördinaten, en zelfs hun correlatie.

-AMin/max/inc
In plaats van een best passende regressie te bepalen, verkennen we het volledige bereik van
regressies. Onderzoek alle mogelijke regressielijnen met hellingshoeken ertussen Min
en max, met behulp van stappen van inc graden [-90/+90/1]. Voor elke helling het optimale
intercept wordt bepaald op basis van uw regressietype (-E) en buitenbeentjenorm (-N)
instellingen. Voor elk segment rapporteren we de vier kolommen hoek, E, helling, onderscheppen,
voor het bereik van gespecificeerde hoeken. De beste modelparameters binnen dit bereik zijn
geschreven in de segmentkop en gerapporteerd in uitgebreide modus (-V).

-Cniveau
Stel het betrouwbaarheidsniveau (in %) in dat moet worden gebruikt voor de optionele berekening van het vertrouwen
banden op de regressie [95]. Dit wordt alleen gebruikt als -F omvat de uitvoerkolom
c.

-Ex|y|o|r
Type lineaire regressie, dwz selecteer het type buitenbeentje dat we moeten berekenen.
Kies uit x (regressie x on y; dat wil zeggen, de buitenbeentje wordt horizontaal gemeten op basis van gegevens
wijs naar de regressielijn), y (regressie y on x; dat wil zeggen, de buitenbeentje wordt gemeten
verticaal [Standaard]), o (orthogonale regressie; dat wil zeggen, de buitenbeentje wordt gemeten vanaf
gegevenspunt orthogonaal naar het dichtstbijzijnde punt op de lijn), of r (Verminderde hoofdas
regressie; dat wil zeggen, de buitenbeentje is het product van zowel verticaal als horizontaal
buitenbeentjes) [y].

-Fvlaggen
Voeg een combinatie toe van de kolommen die u wilt retourneren; de uitvoervolgorde komt overeen
de aangegeven volgorde. Kiezen van x (opgemerkt x), y (opgemerkt y), m (model
voorspelling), r (residu = data minus model), c (symmetrisch betrouwbaarheidsinterval aan
de regressie; zien -C voor het opgeven van het niveau), z (gestandaardiseerde residuen of
zogenaamd z-scores) en w (uitbijtergewichten 0 of 1; for -Nw dit zijn de hergewogen
Kleinste kwadratengewichten) [xymrczw]. Als alternatief voor het evalueren van het model, gewoon
geven -Fp en in plaats daarvan schrijven we één record met de modelparameters npunten
xgemiddeld bedoel hoek Misfit helling onderscheppen sigma_helling sigma_intercept.

-N1|2|r|w
Selecteert de norm die moet worden gebruikt voor de buitenmaatsberekening. Kies uit 1 (L-1 maat;
het gemiddelde van de absolute residuen), 2 (Kleinste kwadraten; het gemiddelde van het kwadraat
reststoffen), r (LMS; de kleinste mediaan van de gekwadrateerde residuen), of w (RLS;
Hergewogen kleinste kwadraten: het gemiddelde van de gekwadrateerde residuen na uitschieters
geïdentificeerd via LMS zijn verwijderd) [Standaard is 2]. Traditioneel regressiegebruik
L-2, terwijl L-1 en in het bijzonder LMS robuuster zijn in de manier waarop ze omgaan met uitschieters.
Zoals vermeld impliceert RLS een initiële LMS-regressie die vervolgens wordt gebruikt om te identificeren
uitschieters in de gegevens, wijs deze een nulgewicht toe en voer vervolgens de regressie opnieuw uit
met behulp van een L-2-norm.

-S[r] Beperkt welke records worden uitgevoerd. Standaard worden alle gegevensrecords uitgevoerd
in het formaat gespecificeerd door -F. Gebruiken -S om gegevenspunten uit te sluiten die zijn geïdentificeerd als
uitschieters door de regressie. Alternatief: gebruik -Zr om dit om te keren en alleen uit te voeren
de uitschieters.

-TMin/max/inc | -Tn
Evalueer het best passende regressiemodel op de equidistante punten die worden geïmpliceerd door de
argumenten. Als -Tn wordt gegeven, in plaats daarvan zullen we resetten Min en max tot het uiterste
x-waarden voor elk segment en bepalen inc zodat er precies n uitgang
waarden voor elk segment. Als u de modelevaluatie volledig wilt overslaan, hoeft u alleen maar op te geven
-T0.

-W[w][x][y][r]
Specificeert gewogen regressie en welke gewichten worden verstrekt. Toevoegen x if
het geven van 1-sigma onzekerheden in de x-observaties, y als je 1-sigma geeft
onzekerheden in y en r als er correlaties tussen worden gegeven x en y observaties, op
de volgorde waarin deze kolommen in de invoer verschijnen (na de twee vereiste en leidende kolommen). x,
y kolommen). Beide geven x en y (en optioneel r) impliceert een orthogonaal
regressie, anders geven x vereist -Ex en y vereist -Ey. Wij converteren
onzekerheden in x en y naar regressiegewichten via de relatie gewicht =
1/sigma. Gebruik -Ww als we de invoerkolommen moeten interpreteren als vooraf berekend
gewichten in plaats daarvan. Let op: residuen ten opzichte van de regressielijn zullen dat zijn
geschaald met de gegeven gewichten. De meeste normen zullen dit gewogen residu dan kwadrateren
(-N1 is de enige uitzondering).

-V[niveau] (meer ...)
Selecteer breedsprakigheidsniveau [c].

-acol=naam[...] (meer ...)
Aspatiale kolomassociaties instellen col=naam.

-bi[ncols][T] (meer ...)
Selecteer native binaire invoer.

-bo[ncols][ type dan: ] (meer ...)
Selecteer native binaire uitvoer. [Standaard is hetzelfde als invoer].

-g[a]x|y|d|X|Y|D|[col]z[+|-]kloof[U] (meer ...)
Bepaal hiaten in de gegevens en regeleinden.

-h[i|o][n][+c][+d][+ropmerking][+rtitel] (meer ...)
Koprecord(s) overslaan of produceren.

-icols[l][sschaal][Ocompenseren][,...] (meer ...)
Selecteer invoerkolommen (0 is de eerste kolom).

-ocols[,...] (meer ...)
Selecteer uitvoerkolommen (0 is de eerste kolom).

-^ or voor slechts -
Druk een kort bericht af over de syntaxis van de opdracht en sluit vervolgens af (OPMERKING: op Windows
gebruik gewoon -).

-+ or voor slechts +
Druk een uitgebreid gebruiks(help)bericht af, inclusief de uitleg van eventuele
module-specifieke optie (maar niet de algemene GMT-opties), en wordt vervolgens afgesloten.

-? or geen argumenten
Druk een volledig gebruiks(help)bericht af, inclusief de uitleg van de opties, dan
uitgangen.

--versie
GMT-versie afdrukken en afsluiten.

--show-datadir
Druk het volledige pad af naar de GMT-sharedirectory en sluit af.

ASCII FORMAT PRECISION

De ASCII-uitvoerformaten van numerieke gegevens worden bestuurd door parameters in uw gmt.conf
het dossier. Lengte- en breedtegraad zijn opgemaakt volgens FORMAT_GEO_OUT, terwijl andere
waarden zijn opgemaakt volgens FORMAT_FLOAT_OUT. Houd er rekening mee dat het huidige formaat kan
leiden tot verlies van precisie in de uitvoer, wat stroomafwaarts tot verschillende problemen kan leiden. Indien
je vindt dat de uitvoer niet met voldoende precisie is geschreven, overweeg dan om over te schakelen naar binair
uitvoer (-bo indien beschikbaar) of geef meer decimalen op met de instelling FORMAT_FLOAT_OUT.

Voorbeelden

Om een ​​standaard regressie met de kleinste kwadraten uit te voeren op de xy gegevens in points.txt en retourneer x, y,
en modelvoorspelling met 99% betrouwbaarheidsintervallen, probeer het

gmt regressie points.txt -Fxymc -C99 > points_regressed.txt

Probeer het eens om de helling voor de bovenstaande regressie te berekenen

slope=`gmt regressiepunten.txt -Fp -o5`

Om een ​​hergewogen regressie van de kleinste kwadraten uit te voeren op de gegevens ruw.txt en x, y, model terug te geven
voorspelling en de RLS-gewichten, probeer het

gmt regressie ruw.txt -Fxymw > points_regressed.txt

Om een ​​orthogonale regressie met de kleinste kwadraten uit te voeren op de gegevens Crazy.txt, maar neem eerst de
logaritme van zowel x als y, en retourneer vervolgens x, y, modelvoorspelling en de genormaliseerde residuen
(z-scores), probeer het

gmt regressie gek.txt -Eo -Fxymz -i0-1l > points_regressied.txt

Om te onderzoeken hoe de orthogonale LMS-misfits variëren met een hoek tussen 0 en 90 in stappen van 0.2
graden voor hetzelfde bestand, probeer het

gmt regressie points.txt -A0/90/0.2 -Eo -Nr > points_analysis.txt

REFERENTIES

Draper, NR, en H. Smith, 1998, Toegepast regressie analyse, 3e druk, 736 blz., Johannes
Wiley en zonen, New York.

Rousseeuw, PJ en AM Leroy, 1987, Robuust regressie en uitbijter opsporing, 329 blz.,
John Wiley en zonen, New York.

York, D., NM Evensen, ML Martinez en J. De Basebe Delgado, 2004, Unified vergelijkingen
voor de helling, het snijpunt en de standaardfouten van de beste rechte lijn, Am. J. Fys.,
72(3), 367-375.

Gebruik gmtregressgmt online met behulp van onworks.net-services