Hallo, ich habe folgendes Problem: Reihe1 Reihe2 Reihe3 88,064 160,256 245,76 32,256 43,008 61,952 5,12 25,088 44,032 23,04 44,032 61,952 43,008 93,184 154,112 27,136 71,168 126,976 65,024 129,024 209,92 29,184 79,872 138,24 16,896 34,816 53,248 10,752 19,968 43,008 17,92 29,184 39,936 29,184 59,904 90,112 Jetzt hab ich das mal mit meinem Diagramm aufgezeichnet und festgestellt (angehängtes Bild), dass sich die Kurven irgendwie ähneln. Gibt es eine Möglichkeit herauszubekommen wie die einzelnen Reihen voneinander abhängen? gruß wonderfulworld
Angehängte Dateien:
-
Messreihen.GIF
20 KB
Danke für den Tipp. Aber ich möchte nicht wissen ob die Messreihen voneinander abhängen, sondern wie. Gruß wonderfulworld
wonderfulworld schrieb: > sondern wie. Stichworte: Scatterplot, Ausgleichgerade, Korrelationskoeffizient
Urks, Excel... Teil mal Reihe3 durch Reihe1, das sollte eine halbwegs konstante Zahl ergeben. Dann kannst du sagen, dass Reihe3 linear skaliert ist.
Sieht aus wie die Monatssummen der solaren Einstrahlung - Min, Mittel, Max Werte. Die blaue Kurve ist anscheinend ein Mittelwert. Es besteht ein Zusammenhang zwischen Abweichung zu Min/Max und dem Mittelwert. Diese Abweichung kann eine Funktion sein. zB: Abweichung (min-max)= X*Mittelwert Das heisst jetzt ausprobieren. Hatte mich vor X-Jahren mal mit Zeitreihenanalyse beschäftigt.
wonderfulworld schrieb: > Jetzt hab ich das mal mit meinem Diagramm aufgezeichnet und festgestellt > (angehängtes Bild), dass sich die Kurven irgendwie ähneln. Gibt es eine > Möglichkeit herauszubekommen wie die einzelnen Reihen voneinander > abhängen? Ohne Kenntnis des physikalischen Hintergrunds und eines (mehr oder weniger gut passenden) Modells ist alle Rechnerei ziemlich sinnfrei. Mit Messwerten kannst Du ein bestehendes Modell bestätigen und parametrieren. Du kannst aber nicht ein neues Modell nur aus Messwerten erzeugen[1], ohne zu wissen, was dahintersteckt. Also überlege Dir, was Du gemessen hast, wie die Werte prinzipiell zusammenhängen könnten, und dann überprüfe das so aufgestellte Modell anhand Deiner Messwerte. Max [1] Statistische Mustererkennungsverfahren wie z.B. Neuronale Netze sind die Ausnahme, sie machen sich Modell und Parameter selber. Für Deine paar Messwerte ist ein NN oder auch ein RBF-Netz aber deutlich überdimensioniert.
Nachdenken vielleicht? Sieht man doch, dass das annähernd linear voneinander abhängt.
Max G. schrieb: > Du kannst aber nicht ein neues Modell nur aus Messwerten > erzeugen[1], ohne zu wissen, was dahintersteckt. Doch, dass nennt sich dann "empirisches Modell" - immer gerne genommen. Dann kommen da so sinnfreie Dinge wie die Abhängigkeit der Geburtenrate von der Anzahl der Klapperstörche raus, ohne das man irgendetwas von den zugrundeliegenden Prozessen verstanden hat. ;-)
Michel schrieb: > Max G. schrieb: >> Du kannst aber nicht ein neues Modell nur aus Messwerten >> erzeugen[1], ohne zu wissen, was dahintersteckt. > > Doch, dass nennt sich dann "empirisches Modell" - immer gerne genommen. Die gehen doch so gerne von linearen Zusammenhängen aus, was ja an sich schon Unfug ist. > Dann kommen da so sinnfreie Dinge wie die Abhängigkeit der Geburtenrate > von der Anzahl der Klapperstörche raus, ohne das man irgendetwas von den > zugrundeliegenden Prozessen verstanden hat. > ;-) Aber alle statistischen Tests bescheinigen Signifikanz nach ausreichender „Filterung“ der Rohdaten. :-D
Vor Jahren gab es bei Quarks&Co. eine Sendung zu solchen Datenreihen. Da gab es auch einen statistischen Zusammenhang zwischen der Anzahl alleinstehender Frauen über 60 Jahren und von Knieproblemen junger Männer unter 20 in den letzten X Jahren. Mathematische Korrelation fast 100%, Zusammenhang 100% Schwachsinnig. Habe mal wie geschrieben vor X jahren mich mit der solaren Einstrahlung beschäftigt. Da gab es einen linearen Zusammenhang zwischen Mittelwert und Standardabweichung der monatlichen Einstrahlung. Die Kurven sahen ähnlich aus wie oben. Irgendwelche Kurven miteinander zu vergleichen ist gut, um sich die Langweile zu vertreiben.
Thread beobachten
Seitenaufteilung abschalten
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.