//основная функция
private void BaseFunc(double[,] Data, out double[] Koef, out double[] Ym)
{
int N = Data.Length / Q_Col; //кол-во строк
int M = Q_Col - 1; //кол-во столбцов X
double[,] x = new double[N - Nstr, M]; //независимые случайные величины
double[] y = new double[N - Nstr]; //зависимая СВ
int i = 0;
int j = 0;
//разделим основной массив на Х и У
for (i = 0; i < N - Nstr; i++)
{
for (j = 0; j < Q_Col; j++)
{
if (j != (Q_Col - 1))
{
x[i, j] = Data[i, j]; // TestBox.AppendText(x[i,j].ToString());}
}
else
{
y[i] = Data[i, j]; //TestBox.AppendText(y[i].ToString());}
}
}
}
//Оценка мат. ож. Х
double[] ChMx = new double[M];
for (i = 0; i < M; i++)
{
ChMx[i] = 0; //начальные значение
}
double[] Mx = new double[M];;
for (j = 0; j < M; j++)
{
for (i = 0; i < N - Nstr; i++)
{
ChMx[j] += x[i, j];
}
Mx[j] = ChMx[j] / N - Nstr;
}
//Оценка мат. ож. Y
double ChMy = 0;
double My;
for (i = 0; i < N - Nstr; i++)
{
ChMy += y[i];
}
My = ChMy / N - Nstr;
//Оценка дисперсии Х
double[] ChDx = new double[M];
double[] Dx = new double[M];
for (j = 0; j < M; j++)
{
for (i = 0; i < N - Nstr; i++)
{
ChDx[j] += Math.Pow((x[i, j] - Mx[j]), 2);
}
Dx[j] = ChDx[j] / (N - Nstr - 1);
}
//Оценка дисперсии Y
double ChDy = 0;
double Dy;
for (i = 0; i < N - Nstr; i++)
{
ChDy += Math.Pow((y[i] - My), 2);
}
Dy = ChDy / (N - Nstr - 1);
//Оценка коэф-тов корреляции между зависимыми и независимыми СВ
double[] ChRxy = new double[M];
double[] ZnRxy1 = new double[M];
double[] ZnRxy2 = new double[M];
double[] Rxy = new double[M];
for (j = 0; j < M; j++)
{
for (i = 0; i < N - Nstr; i++)
{
ChRxy[j] += (x[i, j] - Mx[j]) * (y[i] - My);
ZnRxy1[j] += Math.Pow((x[i, j] - Mx[j]), 2);
ZnRxy2[j] += Math.Pow((y[i] - My), 2);
}
Rxy[j] = ChRxy[j] / Math.Sqrt(ZnRxy1[j] * ZnRxy2[j]);
}
//Оценка коэф-тов корреляции между независимыми СВ
double[] ChRxx = new double[M];
double[] ZnRxx1 = new double[M];
double[] ZnRxx2 = new double[M];
double[,] Rxx = new double[M, M];
for (j = 0; j < M; j++)
{
for (int k = 0; k < M; k++)
{
for (i = 0; i < N - Nstr; i++)
{
ChRxx[j] += (x[i, j] - Mx[j]) * (x[i, k] - Mx[k]);
ZnRxx1[j] += Math.Pow((x[i, j] - Mx[j]), 2);
ZnRxx2[j] += Math.Pow((x[i, k] - Mx[k]), 2);
}
Rxx[j, k] = ChRxx[j] / Math.Sqrt(ZnRxx1[j] * ZnRxx2[j]);
}
}
Koef = new double[M + 1];
for (i = 0; i < M + 1; i++)
{
Koef[i] = 0;
}
//дополним матрицу Х единичным столбцом
double[,] newX = new double[N - Nstr, M + 1];
for (i = 0; i < N - Nstr; i++)
{
for (j = 0; j < M + 1; j++)
{
if (j == 0)
{
newX[i, j] = 1;
}
else
{
newX[i, j] = x[i, j - 1];
}
//richTextBox1.AppendText(newX[i, j].ToString() + "\t");
}
//richTextBox1.AppendText("\n");
}
double[,] xT = new double[newX.GetLength(1), newX.GetLength(0)];
Transpose(newX, out xT);
double[,] xTx = new double[xT.GetLength(0), xT.GetLength(0)];
Multiplication(xT, newX, out xTx);
double[,] xTy = new double[xT.GetLength(0), xT.GetLength(0)];
double[,] newY = new double[N - Nstr, 1]; //для корректного умножения
for (i = 0; i < N - Nstr; i++)
{
newY[i, 0] = y[i];
}
Multiplication(xT, newY, out xTy);
double[,] xTxConv = new double[xTx.GetLength(0), xTx.GetLength(1)];
Converting(xTx, out xTxConv);
double[,] K = new double[xTxConv.GetLength(0), xTxConv.GetLength(0)];
Multiplication(xTxConv, xTy, out K);
Ym = new double[N - Nstr];
for (i = 0; i < M + 1; i++)
{
Koef[i] = K[i, 0];
}
for (i = 0; i < N - Nstr; i++)
{
for (j = 1; j < M; j++)
{
Ym[i] += Koef[j] * x[i, j - 1];
}
Ym[i] += Koef[0];
if (Ym[i] < 0)
{
Ym[i] = 0; //если Ym<0, обнуляем
}
}
//оценка остаточной дисперсии
double ChDe = 0;
double De;
for (i = 0; i < N - Nstr; i++)
{
ChDe += Math.Pow((Ym[i] - y[i]), 2);
}
De = ChDe / (N - Nstr - M + 1 - 1);
//Оценка коэффициента детерминации(коэффициент множественной корреляции)
double R2 = Math.Abs(1 - De / Dy);
//оценки дисперсий коэффициентов уравнения регрессии
double[] Da = new double[M];
double[,] Matrix = new double[N - Nstr, 1];
double[,] MatrixT, MatrixT_Matrix, MatrixT_Matrix_Conv;
for (j = 0; j < M; j++)
{
for (i = 0; i < N - Nstr; i++)
{
Matrix[i, 0] = x[i, j];
}
Transpose(Matrix, out MatrixT);
Multiplication(MatrixT, Matrix, out MatrixT_Matrix);
Converting(MatrixT_Matrix, out MatrixT_Matrix_Conv);
Da[j] = De * MatrixT_Matrix_Conv[0, 0];
}
//расчет статистики Z для проверки коэффициентов на значимость
double[] Z = new double[M];
for (j = 0; j < M; j++)
{
Z[j] = Koef[j] / Math.Sqrt(Da[j]);
}
int q = N - Nstr - M - 1; //количество степеней свобод
double Tkr;
Chart Chart1 = new Chart();
Tkr = Chart1.DataManipulator.Statistics.InverseTDistribution(.05, q); //критическое значение критерия Стьюдента, соответствующее вероятности 0,05
double[] P = new double[M];
i = 0;
//вычислим достигнутые уровни значимости и выведем на экран
foreach (double el in Z)
{
P[i] = Chart1.DataManipulator.Statistics.TDistribution(el, q, false);
if (Math.Abs(el) > Tkr)
{
Znachimost.AppendText(" - значимый. Р = " + Math.Round(P[i], 6) + "\n");
}
else
{
Znachimost.AppendText(" - незначимый. Р = " + Math.Round(P[i], 6) + "\n");
}
i++;
}
//Оценка прогнозирующей способности
double[,] x_new = new double[Nstr, M];
double[] y_new = new double[Nstr];
double[] Ym_new = new double[Nstr];
int n_new = Nstr;
for (i = N - n_new; i < N; i++)
{
for (j = 0; j < Q_Col; j++)
{
if (j != (Q_Col - 1))
{
x_new[i - (N - n_new), j] = Data[i, j];
}
else
{
y_new[i - (N - n_new)] = Data[i, j];
}
}
}
for (i = 0; i < n_new; i++)
{
for (j = 1; j < M; j++)
{
Ym_new[i] += Koef[j] * x_new[i, j - 1];
}
Ym_new[i] += Koef[0];
}
//Оценка дисперсии адекватности
double Dad = 0;
double ChDad = 0;
for (i = 0; i < n_new; i++)
{
ChDad += Math.Pow((Ym_new[i] - y_new[i]), 2);
}
Dad = ChDad / n_new;
Adekvatnost.AppendText("R2 = " + Math.Round(R2, 4) + "\nDe = " + Math.Round(De, 4) + "\nDad = " + Math.Round(Dad, 4) + "\n");
double F = Dad / De;
double Fkr = Chart1.DataManipulator.Statistics.InverseFDistribution(.05, n_new, N - n_new - M - 1);
if (F < Fkr)
{
Adekvatnost.AppendText("Модель адекватна\n");
}
else
{
Adekvatnost.AppendText("Модель неадекватна\n");
}
double p = 0;
p = Chart1.DataManipulator.Statistics.FDistribution(F, n_new, q);
Adekvatnost.AppendText("P = " + Math.Round(p, 4));
//заполнение промежуточного файла данными о модели
//полученное уравнение регрессии
string str = "y = ";
for (i = 0; i <= M; i++)
{
if (Koef[i] != null)
{
if (i == 0)
{
str += +Koef[i];
}
else
{
str += " + " + Koef[i] + " * x" + i;
}
}
}
File.WriteAllText("PromFile.txt", "\r\nПолученная модель: \r\n\r\n" + str + "\r\n\r\nФакторы:\r\n\r\nВключенные в модель:", Encoding.GetEncoding(1251));
bool[] check = new bool[] { checkBox1.Checked, checkBox2.Checked, checkBox3.Checked, checkBox4.Checked };
int k1 = 0;
//включенные факторы
for (i = 0; i < 4; i++)
{
if (check[i])
{
File.AppendAllText("PromFile.txt", "\r\nx" + (i + 1), Encoding.GetEncoding(1251));
switch (i)
{
case 0: File.AppendAllText("PromFile.txt", " - средняя температура.\t", Encoding.GetEncoding(1251)); break;
case 1: File.AppendAllText("PromFile.txt", " - максимальная температура.\t", Encoding.GetEncoding(1251)); break;
case 2: File.AppendAllText("PromFile.txt", " - минимальная температура.\t", Encoding.GetEncoding(1251)); break;
case 3: File.AppendAllText("PromFile.txt", " - тепловая нагрузка.\t", Encoding.GetEncoding(1251)); break;
}
if (Math.Abs(Z[k1]) > Tkr)
{
File.AppendAllText("PromFile.txt", " Значимый.\tДостигнутый уровень значимости Р = " + Math.Round(P[k1], 6), Encoding.GetEncoding(1251));
}
else
{
File.AppendAllText("PromFile.txt", " Незначимый.\tДостигнутый уровень значимости Р = " + Math.Round(P[k1], 6), Encoding.GetEncoding(1251));
}
k1++;
}
}
//исключенные факторы
File.AppendAllText("PromFile.txt", "\r\n\r\nИсключенные из модели: \r\n", Encoding.GetEncoding(1251));
for (i = 0; i < 4; i++)
{
if (!check[i])
{
File.AppendAllText("PromFile.txt", "x" + (i + 1), Encoding.GetEncoding(1251));
switch (i)
{
case 0: File.AppendAllText("PromFile.txt", " - средняя температура.\t", Encoding.GetEncoding(1251)); break;
case 1: File.AppendAllText("PromFile.txt", " - максимальная температура.\t", Encoding.GetEncoding(1251)); break;
case 2: File.AppendAllText("PromFile.txt", " - минимальная температура.\t", Encoding.GetEncoding(1251)); break;
case 3: File.AppendAllText("PromFile.txt", " - тепловая нагрузка.\t", Encoding.GetEncoding(1251)); break;
}
}
}
//характеристики модели
File.AppendAllText("PromFile.txt", "\r\n\r\nХарактеристики модели: \r\n", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", "\r\nОценка коэффициентов корреляции между независимыми и зависимыми СВ: \r\nRxy[j] = ", Encoding.GetEncoding(1251));
for (i = 0; i < M; i++)
{
File.AppendAllText("PromFile.txt", Rxy[i].ToString() + "\r\n");
}
File.AppendAllText("PromFile.txt", "\r\nОценка коэффициентов корреляции между независимыми СВ: \r\nRxx[i,j] = ", Encoding.GetEncoding(1251));
for (i = 0; i < M; i++)
{
for (j = 0; j < M; j++)
{
File.AppendAllText("PromFile.txt", Rxx[i, j].ToString() + "\t ");
}
File.AppendAllText("PromFile.txt", "\r\n");
}
File.AppendAllText("PromFile.txt", "\r\nОценка остаточной дисперсии: \r\nDe = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", De.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "\r\nОценка коэффициента детерминации: \r\nR2 = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", R2.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "\r\nОценка дисперсии коэффициентов уравнения регрессии: \r\nDa[j] = ", Encoding.GetEncoding(1251));
for (i = 0; i < M; i++)
{
File.AppendAllText("PromFile.txt", Da[i].ToString() + "\r\n");
}
File.AppendAllText("PromFile.txt", "\r\nZ - статистика: \r\nZ[j] = ", Encoding.GetEncoding(1251));
for (i = 0; i < M; i++)
{
File.AppendAllText("PromFile.txt", Z[i].ToString() + "\r\n");
}
File.AppendAllText("PromFile.txt", "\r\nКритическое значение критерия Стьюдента, соответствующее вероятности 0,05: \r\nTkr = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", Tkr.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "\r\n\r\nМодель была построена на " + (N - n_new) + " данных. И проверена на " + n_new + " данных.\r\n\r\nОценка дисперсии адекватности: \r\nDad = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", Dad.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "\r\nКритерий Фишера: \r\nF = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", F.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "\r\nКритическое значение критерия Фишера: \r\nFkr = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", Fkr.ToString() + "\r\n");
if (F < Fkr)
{
File.AppendAllText("PromFile.txt", "\r\nМодель адекватна\r\n", Encoding.GetEncoding(1251));
}
else
{
File.AppendAllText("PromFile.txt", "\r\nМодель неадекватна\r\n", Encoding.GetEncoding(1251));
}
File.AppendAllText("PromFile.txt", "\r\nДостигнутый уровень значимости: \r\nP = ", Encoding.GetEncoding(1251));
File.AppendAllText("PromFile.txt", p.ToString() + "\r\n");
File.AppendAllText("PromFile.txt", "________________________________________________________________________________________\r\n\r\n");
}
