バックナンバーはこちら。
https://www.simulationroom999.com/blog/compare-matlabpythonscilabjulia2-backnumber/
はじめに
平均、分散、共分散を用いた1次関数最小二乗法の係数算出について。
Python(Numpy)を使用して算出してみる。
登場人物
博識フクロウのフクさん
イラストACにて公開の「kino_k」さんのイラストを使用しています。
https://www.ac-illust.com/main/profile.php?id=iKciwKA9&area=1
エンジニア歴8年の太郎くん
イラストACにて公開の「しのみ」さんのイラストを使用しています。
https://www.ac-illust.com/main/profile.php?id=uCKphAW2&area=1
数式再掲
フクさん
まずは数式を再掲しておく。
\(
\begin{eqnarray}
a&=&\frac{\sigma_{xy}}{\sigma_x^2}\\
b&=&\bar{y}-a\bar{x}
\end{eqnarray}
\)
Pythonコード
フクさん
そして、Pythonコードは以下になる。
import numpy as np
import matplotlib.pyplot as plt
x = np.array([0.51, 0.76, 1.06, 1.41, 1.75, 1.9, 2.01, 2.15, 2.27, 2.4, 2.49, 2.59, 2.67, 2.76, 2.83, 2.89, 2.95, 3.01, 3.05, 3.11, 3.15, 3.19, 3.23, 3.28, 3.31, 3.34, 3.38, 3.4, 3.43, 3.46, 3.49, 3.51])
y = np.array([10, 11, 12, 13, 14, 14.5, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40])
# 共分散利用
C=np.cov(x,y,ddof=0)
print("共分散行列")
print(C)
print("分散");
print("xの分散=%f" % np.var(x ,ddof=0));
print("yの分散=%f" % np.var(y ,ddof=0));
a=C[0][1]/np.var(x ,ddof=0)
b=np.average(y)-a*np.average(x)
print("各係数 %.15f,%.15f" % (a,b) )
xp = np.linspace(0, 4, 400) # 同定した1次関数のx軸を生成
plt.plot(x, y, '+', xp, a*xp+b, '-' )
plt.ylim(10,41)
plt.xlim(0,4)
plt.show()実行結果
フクさん
実行結果は以下。
共分散行列
[[ 0.66159023 6.70391602]
[ 6.70391602 80.83764648]]
分散
xの分散=0.661590
yの分散=80.837646
各係数 10.133033511230929,-2.161664366928406考察
太郎くん
雰囲気はMATLABと一緒だね。
ddof=0を指定すると標本分散になるのか。
フクさん
あと、covが分散共分散行列を返すところも一緒だね。
\(
\begin{bmatrix}
xの分散 && xyの共分散\\
yxの共分散 && yの分散
\end{bmatrix}
\)
フクさん
あとはこれといった差は無さそうだな。
まとめ
フクさん
まとめだよ。
- 平均分散共分散を使用した一次関数最小二乗法をPython(Numpy)で記載。
- covとvarを使用する。
- covは共分散だけでなく、分散共分散行列が取得される。
- よって、covだけでも分散は取得可能。
バックナンバーはこちら。
コメント