arrhenius_plot_argparse プログラム仕様
Arrhenius plotと多項式フィットを行うためのスクリプト。
関連リンク: D:/git/sphinx/tkProg/source/regression/arrhenius_plot_argparse.py の技術ドキュメント
- regression.arrhenius_plot_argparse.build_design_matrix(x, order)[ソース]
多項式回帰のための計画行列（デザインマトリックス）を構築する。
与えられたデータ点と多項式の次数に基づいて、各データ点のべき乗からなる行列を生成する。
- パラメータ:
x -- array-like. 入力データ点。
order -- int. 多項式の次数。
- 戻り値:
np.ndarray. (N, order+1) の計画行列。
- regression.arrhenius_plot_argparse.compute_bands(xcal, beta, cov_beta, sigma2_resid, sigma_meas)[ソース]
xcalにおける平均予測値と各種不確実性バンドを計算する。
パラメータの不確実性、残差分散、および測定誤差を考慮した各標準偏差を算出する。
- パラメータ:
xcal -- array-like. 評価するデータ点。
beta -- np.ndarray. 最小二乗法の回帰係数。
cov_beta -- np.ndarray. パラメータの共分散行列。
sigma2_resid -- float. 残差分散。
sigma_meas -- float. 測定誤差の標準偏差。
- 戻り値:
dict. 'y_mean' (平均予測値), 'sigma_param' (パラメータ起因の標準偏差), 'sigma_pred' (予測の標準偏差), 'sigma_combined' (複合標準偏差) を含む辞書。
- regression.arrhenius_plot_argparse.compute_measurement_error(y)[ソース]
入力データの分散から測定誤差を推定する。
観測値の不偏分散を用いて測定誤差の標準偏差を算出する。
- パラメータ:
y -- array-like. 観測値。
- 戻り値:
float. 推定された測定誤差の標準偏差（不偏）。
- regression.arrhenius_plot_argparse.compute_param_uncertainty(X, cov_beta)[ソース]
パラメータに基づく予測値の分散を計算する。
各データ点（Xの行）における予測値の分散を、共分散行列を用いて計算する。
- パラメータ:
X -- np.ndarray. 計画行列 (N, p)。
cov_beta -- np.ndarray. 共分散行列 (p, p)。
- 戻り値:
np.ndarray. 予測の分散 (N,)。
- regression.arrhenius_plot_argparse.execute(app)[ソース]
アプリケーションのメイン処理を実行する。
データの読み込み、前処理、多項式フィッティング、誤差計算、ファイル出力、およびグラフのプロットまでの一連の処理を行う。
- パラメータ:
app -- tkApplication. アプリケーションオブジェクト。
- 戻り値:
None.
- regression.arrhenius_plot_argparse.initialize()[ソース]
argparseの結果argsを受け取り、app.cfgに設定する。
コマンドライン引数を解析し、tkApplicationとtkParamsのインスタンスを初期化して各種設定を行う。
- 戻り値:
tuple. (app, cfg, parser) のタプル。
- regression.arrhenius_plot_argparse.mlsq_error(X, y)[ソース]
最小二乗法によるフィッティングを実行する。
計画行列と観測値から、回帰係数、係数の標準偏差、共分散行列、残差分散を計算する。
- パラメータ:
X -- np.ndarray. 計画行列 (N, p)。
y -- array-like. 観測値 (N,)。
- 戻り値:
tuple. (beta, beta_std, cov_beta, sigma2_resid) のタプル。betaは推定係数、beta_stdは係数の標準偏差、cov_betaはパラメータの共分散行列、sigma2_residは残差分散の推定値。