Metode numerice în ingineria electrică

Numele şi prenumele: Sucioni Ioan

Anul: I MASTER
Grupa: TIIE

Modele de regresie de ordin superior-Suprafeţe de regresie

1. Într-o firmă de IT, rezultatul vânzărilor Y depinde de X1 suma cheltuită pentru reclame TV şi X2 suma
cheltuită pentru reclama prin internet (sumele sunt în zeci de mii de euro).

X1 (suma reclamă TV) 5 7 7 5 9 11 12 13 17 17 18 19 13.5 6

X2 (suma reclamă NET) 2.9 2.5 3 1.5 4 4.5 5 5.5 6 7.5 8 7 6.8 6.5
Y (vanzari) 1 2 2.5 1.5 3.5 4 5 6 6.5 8 8 7.5 6.8 5.89

a) Să se determine un model de regresie optim de ordinul doi. Să se înregistreze parametrii modelului.

b) Să se determine un model de regresie optim de ordinul trei. Să se înregistreze parametrii modelului.
c) Să se estimeze cu ambele modele de regresie care este venitul ce se poate obţine dacă suma cheltuită
pentru reclame TV ar fi x1=10.5, iar suma cheltuită pentru reclama prin internet ar fi x2=3.8. Comparaţi
rezultatele.
d) Să se precizeze în ce tip de reclamă ar trebui să investească firma pentru a obţine venituri cât mai mari.

Introducerea datelor într-un fişier reclama.m

clc,clear all

X1=[5 7 7 5 9 11 12 13 17 17 18 19 13.5 6];

X2=[2.9 2.5 3 1.5 4 4.5 5 5.5 6 7.5 8 7 6.8 6.5];
Y=[1 2 2.5 1.5 3.5 4 5 6 6.5 8 8 7.5 6.8 5.89];

Utilizăm toolbox-ul cftool pentru obţinerea modelului de regresie de ordinul doi:

>> cftool
Metode numerice în ingineria electrică

Salvăm modelul de regresie cu numele fittedmodel1 cu comanda:

Fit/ Save to Workspace
>> fittedmodel1

%Estimarea
x1=10.5
x2=3.8
venit1=fittedmodel1(x1,x2)

Utilizăm toolbox-ul cftool pentru obţinerea modelului de regresie de ordinul trei:

>> cftool
Metode numerice în ingineria electrică

Salvăm modelul de regresie cu numele fittedmodel2 cu comanda:

Fit/ Save to Workspace
>> fittedmodel2

%Estimare
x1=10.5
x2=3.8
venit2=fittedmodel2(x1,x2)

Înregistrarea rezultatelor:

Model de regresie de ordinul doi Model de regresie de ordinul trei

fittedmodel1(x,y) = p00 + p10*x + p01*y + fittedmodel2(x,y) = p00 + p10*x + p01*y +
p11*x*y + p02*y^2 p20*x^2 + p11*x*y + p02*y^2 + p30*x^3 +
p21*x^2*y + p12*x*y^2 + p03*y^3

Parametrii modelului: Parametrii modelului:

R2 = 0.989 R2 = 0.9969
RMSE= 0.3087 RMSE = 0.2467
Suprafaţa de regresie: Suprafaţa de regresie:
File/Print to Figure File/Print to FigureEdit/Copy Figure
Edit/Copy Figure
y vs. x1, x2

y vs. x1, x2

8 8

7
6
6
y

5 4
y

4
2
3
2 5
1
10 2
8 3
7 6 16 18 4
5 12 14 15 5
4 3 10 6
2 6 8
7
8
x2 x1 x1 x2

Estimarea: Estimarea:
venit1 = 4.1059 venit2 = 3.1085
 Metode numerice în ingineria electrică

2. Următorul tabel prezintă preţul de vânzare a 15 apartamente dintr-un cartier în 2011 (exprimat în
mii euro), în funcţie de suprafaţa S (mp) şi numărul de camere C.
S (suprafaţa) 30 32 35 48 49 50 55 60 70 75 80 82 85 90
C 1 1 1 2 2 2 2 3 3 3 3 4 4 4
(număr camere)
Y (preţul) 30 29 31 36 38 40 48 47 49 58 60 59 71 65

a) Să se determine un model de regresie optim de ordinul doi. Să se înregistreze parametrii modelului.

b) Să se determine un model de regresie optim de ordinul trei. Să se înregistreze parametrii modelului.
c) Să se estimeze cu ambele modele de regresie care este preţul unui apartament cu suprafaţa s=65 mp şi
număr de camere c=3. Comparaţi rezultatele.

Înregistrarea rezultatelor:

Model de regresie de ordinul doi Model de regresie de ordinul trei

fittedmodel1(x,y) = p00 + p10*x + p01*y + fittedmodel2(x,y) = p00 + p10*x + p01*y + p20*x^2 +
p11*x*y + p02*y^2 p11*x*y + p02*y^2 + p21*x^2*y + p12*x*y^2 +
p03*y^3
Parametrii modelului: Parametrii modelului:
R2 = 0.9551 R2 = 0.9813
RMSE= 3.502 RMSE= 3.034
Suprafaţa de regresie: Suprafaţa de regresie:
File/Print to Figure File/Print to Figure
Edit/Copy Figure Edit/Copy Figure

y vs. s, c

60
y vs. s, c
y

40
70

60
4 90
3.5 80
50 3 70
y

2.5 60
40 2 50
1.5 40
1 30
30
4 60
40 c s
3.5 3 2.5 2 80
1.5 1

c
s

Estimarea Estimarea:
 Metode numerice în ingineria electrică

pret1 = 49.2622 pret2 = 48.4399