Remove completely unused classes
This commit is contained in:
parent
ba9fc8fe89
commit
7615196d2b
@ -4,9 +4,6 @@ import Jama.Matrix;
|
|||||||
import eva2.optimization.tools.DoubleArrayComparator;
|
import eva2.optimization.tools.DoubleArrayComparator;
|
||||||
import eva2.tools.EVAERROR;
|
import eva2.tools.EVAERROR;
|
||||||
import eva2.tools.Pair;
|
import eva2.tools.Pair;
|
||||||
import eva2.tools.math.interpolation.BasicDataSet;
|
|
||||||
import eva2.tools.math.interpolation.InterpolationException;
|
|
||||||
import eva2.tools.math.interpolation.SplineInterpolation;
|
|
||||||
|
|
||||||
import java.util.Arrays;
|
import java.util.Arrays;
|
||||||
import java.util.List;
|
import java.util.List;
|
||||||
@ -1099,29 +1096,6 @@ public final class Mathematics {
|
|||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
/**
|
|
||||||
* Computes a spline interpolation of the two point (x0,f0) and (x1,f1).
|
|
||||||
*
|
|
||||||
* @param x
|
|
||||||
* @param x0
|
|
||||||
* @param x1
|
|
||||||
* @param f0
|
|
||||||
* @param f1
|
|
||||||
* @return If an error with the spline occurs, a linear interpolation will
|
|
||||||
* be returned.
|
|
||||||
*/
|
|
||||||
public static double splineInterpolation(double x, double x0, double x1,
|
|
||||||
double f0, double f1) {
|
|
||||||
try {
|
|
||||||
double[] t = {x0, x1}, f = {f0, f1};
|
|
||||||
SplineInterpolation spline = new SplineInterpolation(
|
|
||||||
new BasicDataSet(t, f, 1));
|
|
||||||
return spline.getY(x);
|
|
||||||
} catch (InterpolationException e) {
|
|
||||||
e.printStackTrace();
|
|
||||||
}
|
|
||||||
return linearInterpolation(x, x0, x1, f0, f1);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
/**
|
||||||
* This computes the submatrix of the given matrix as a result by scraching
|
* This computes the submatrix of the given matrix as a result by scraching
|
||||||
|
|||||||
@ -1,23 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* The minimal set of functions which should implemented in a data modifier for
|
|
||||||
* <code>AbstractDataSet</code>.
|
|
||||||
*/
|
|
||||||
public abstract class AbstractDataModifier {
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the X data.
|
|
||||||
*/
|
|
||||||
public abstract void modifyX(double[] setX);
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the Y data.
|
|
||||||
*/
|
|
||||||
public abstract void modifyY(double[] setY);
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the data.
|
|
||||||
*/
|
|
||||||
public abstract void modify(double[] setX, double[] setY);
|
|
||||||
}
|
|
||||||
@ -1,84 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
public abstract class AbstractDataSet {
|
|
||||||
/**
|
|
||||||
* double array of X data.
|
|
||||||
*
|
|
||||||
* @see #yDoubleData
|
|
||||||
*/
|
|
||||||
protected double[] xDoubleData = {-1, 1};
|
|
||||||
/**
|
|
||||||
* double array of Y data.
|
|
||||||
*
|
|
||||||
* @see #xDoubleData
|
|
||||||
*/
|
|
||||||
protected double[] yDoubleData = {1, 1};
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns the length of the data set
|
|
||||||
*
|
|
||||||
* @return the length of the data set
|
|
||||||
*/
|
|
||||||
public int getLength() {
|
|
||||||
return xDoubleData.length;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns an array of the X data
|
|
||||||
*
|
|
||||||
* @return the array of the X data
|
|
||||||
*/
|
|
||||||
public double[] getXData() {
|
|
||||||
return xDoubleData;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns an array of the Y data
|
|
||||||
*
|
|
||||||
* @return the array of the Y data
|
|
||||||
*/
|
|
||||||
public double[] getYData() {
|
|
||||||
return yDoubleData;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns the X label of the data set
|
|
||||||
*
|
|
||||||
* @return the X label of the data set
|
|
||||||
*/
|
|
||||||
public abstract String getXLabel();
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Returns the Y label of the data set
|
|
||||||
*
|
|
||||||
* @return the Y label of the data set
|
|
||||||
*/
|
|
||||||
public abstract String getYLabel();
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the X data.
|
|
||||||
*
|
|
||||||
* @param modifier the data modifier
|
|
||||||
*/
|
|
||||||
public void modifyXData(AbstractDataModifier modifier) {
|
|
||||||
modifier.modifyX(xDoubleData);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the Y data.
|
|
||||||
*
|
|
||||||
* @param modifier the data modifier
|
|
||||||
*/
|
|
||||||
public void modifyYData(AbstractDataModifier modifier) {
|
|
||||||
modifier.modifyY(yDoubleData);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Modifies the data.
|
|
||||||
*
|
|
||||||
* @param modifier the data modifier
|
|
||||||
*/
|
|
||||||
public void modifyData(AbstractDataModifier modifier) {
|
|
||||||
modifier.modify(xDoubleData, yDoubleData);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
@ -1,50 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* The minimum wrapper class for an <code>AbstractDataSet</code>.
|
|
||||||
*/
|
|
||||||
public class BasicDataSet extends AbstractDataSet {
|
|
||||||
protected int dataType = -1;
|
|
||||||
protected String xLabel = null;
|
|
||||||
protected String yLabel = null;
|
|
||||||
|
|
||||||
public BasicDataSet() {
|
|
||||||
this(null, null, null, null);
|
|
||||||
}
|
|
||||||
|
|
||||||
public BasicDataSet(
|
|
||||||
double[] xDoubleData,
|
|
||||||
double[] yDoubleData,
|
|
||||||
int dataType) {
|
|
||||||
this(xDoubleData, yDoubleData, null, null);
|
|
||||||
}
|
|
||||||
|
|
||||||
public BasicDataSet(
|
|
||||||
double[] xDoubleData,
|
|
||||||
double[] yDoubleData,
|
|
||||||
String xLabel,
|
|
||||||
String yLabel) {
|
|
||||||
this.xDoubleData = xDoubleData;
|
|
||||||
this.yDoubleData = yDoubleData;
|
|
||||||
this.xLabel = xLabel;
|
|
||||||
this.yLabel = yLabel;
|
|
||||||
}
|
|
||||||
|
|
||||||
public int getDataType() {
|
|
||||||
return dataType;
|
|
||||||
}
|
|
||||||
|
|
||||||
@Override
|
|
||||||
public String getXLabel() {
|
|
||||||
return xLabel;
|
|
||||||
}
|
|
||||||
|
|
||||||
@Override
|
|
||||||
public String getYLabel() {
|
|
||||||
return yLabel;
|
|
||||||
}
|
|
||||||
|
|
||||||
public String getAdditionalInformation(String parm1) {
|
|
||||||
return "";
|
|
||||||
}
|
|
||||||
}
|
|
||||||
@ -1,14 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
/**
|
|
||||||
* Exception for interpolation error.
|
|
||||||
*/
|
|
||||||
public class InterpolationException extends Exception {
|
|
||||||
|
|
||||||
public InterpolationException() {
|
|
||||||
super();
|
|
||||||
}
|
|
||||||
|
|
||||||
public InterpolationException(String s) {
|
|
||||||
super(s);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
@ -1,522 +0,0 @@
|
|||||||
///////////////////////////////////////////////////////////////////////////////
|
|
||||||
// Filename: $RCSfile: LinearInterpolation.java,v $
|
|
||||||
// Purpose: Some interpolation stuff.
|
|
||||||
// Language: Java
|
|
||||||
// Compiler: JDK 1.4
|
|
||||||
// Authors: Joerg K. Wegner
|
|
||||||
// Original author: Charles S. Stanton
|
|
||||||
// Version: $Revision: 1.1 $
|
|
||||||
// $Date: 2003/07/22 19:25:23 $
|
|
||||||
// $Author: wegnerj $
|
|
||||||
//
|
|
||||||
// Copyright (c) Dept. Computer Architecture, University of Tuebingen, Germany
|
|
||||||
//
|
|
||||||
///////////////////////////////////////////////////////////////////////////////
|
|
||||||
|
|
||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Defines the routines for the spline interpolation of data.
|
|
||||||
*/
|
|
||||||
public class LinearInterpolation {
|
|
||||||
AbstractDataSet abstractDataSet = null;
|
|
||||||
private double[] x, y;
|
|
||||||
//vectors of x,y
|
|
||||||
private double sumX = 0;
|
|
||||||
private double sumY = 0;
|
|
||||||
private double sumXY = 0;
|
|
||||||
private double sumXsquared = 0;
|
|
||||||
private double sumYsquared = 0;
|
|
||||||
private double Sxx, Sxy, Syy, n;
|
|
||||||
private double a = 0, b = 0;
|
|
||||||
//coefficients of regression
|
|
||||||
private int dataLength;
|
|
||||||
private double[][] residual;
|
|
||||||
// residual[0][i] = x[i], residual[1][i]= residual
|
|
||||||
private double maxAbsoluteResidual = 0.0;
|
|
||||||
private double SSR = 0.0;
|
|
||||||
//regression sum of squares
|
|
||||||
private double SSE = 0.0;
|
|
||||||
//error sum of squares
|
|
||||||
private double minX = Double.POSITIVE_INFINITY;
|
|
||||||
private double maxX = Double.NEGATIVE_INFINITY;
|
|
||||||
private double minY = Double.POSITIVE_INFINITY;
|
|
||||||
private double maxY = Double.NEGATIVE_INFINITY;
|
|
||||||
|
|
||||||
//MISC
|
|
||||||
String xName, yName;
|
|
||||||
double aCILower, aCIUpper, bCILower, bCIUpper; //confidence interval
|
|
||||||
double t, bSE, aSE;
|
|
||||||
double MSE, F;
|
|
||||||
static double[] t025 =
|
|
||||||
{
|
|
||||||
Double.NaN,
|
|
||||||
12.706,
|
|
||||||
4.303,
|
|
||||||
3.182,
|
|
||||||
2.776,
|
|
||||||
2.571,
|
|
||||||
2.447,
|
|
||||||
2.365,
|
|
||||||
2.306,
|
|
||||||
2.262,
|
|
||||||
2.228,
|
|
||||||
2.201,
|
|
||||||
2.179,
|
|
||||||
2.160,
|
|
||||||
2.145,
|
|
||||||
2.131,
|
|
||||||
2.120,
|
|
||||||
2.110,
|
|
||||||
2.101,
|
|
||||||
2.093,
|
|
||||||
2.086,
|
|
||||||
2.080,
|
|
||||||
2.075,
|
|
||||||
2.069,
|
|
||||||
2.064,
|
|
||||||
2.060,
|
|
||||||
2.056,
|
|
||||||
2.052,
|
|
||||||
2.048,
|
|
||||||
2.045,
|
|
||||||
1.960};
|
|
||||||
|
|
||||||
/*------------------------------------------------------------------------*
|
|
||||||
* constructor
|
|
||||||
*------------------------------------------------------------------------*/
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Initializes this class.
|
|
||||||
*/
|
|
||||||
public LinearInterpolation() throws InterpolationException {
|
|
||||||
this.abstractDataSet = null;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Constructor for regression calculator.
|
|
||||||
*
|
|
||||||
* @param x is the array of x data
|
|
||||||
* @param y is the array of y data
|
|
||||||
*/
|
|
||||||
public LinearInterpolation(double[] x, double[] y) {
|
|
||||||
this.x = x;
|
|
||||||
this.y = y;
|
|
||||||
if (x.length != y.length) {
|
|
||||||
System.out.println("x, y vectors must be of same length");
|
|
||||||
} else {
|
|
||||||
dataLength = x.length;
|
|
||||||
doStatistics();
|
|
||||||
}
|
|
||||||
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Initializes this class and calculates the second derivative of the spline.
|
|
||||||
*
|
|
||||||
* @param abstractDataSet the <code>AbstractDataSet</code>
|
|
||||||
*/
|
|
||||||
public LinearInterpolation(AbstractDataSet abstractDataSet)
|
|
||||||
throws InterpolationException {
|
|
||||||
this.setAbstractDataSet(abstractDataSet);
|
|
||||||
}
|
|
||||||
|
|
||||||
public void setAbstractDataSet(AbstractDataSet abstractDataSet)
|
|
||||||
throws InterpolationException {
|
|
||||||
this.abstractDataSet = abstractDataSet;
|
|
||||||
x = abstractDataSet.getXData();
|
|
||||||
y = abstractDataSet.getYData();
|
|
||||||
if (x.length != y.length) {
|
|
||||||
System.out.println("x, y vectors must be of same length");
|
|
||||||
} else {
|
|
||||||
dataLength = x.length;
|
|
||||||
doStatistics();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Find the p value for a given value of F.
|
|
||||||
* Requires the COLT high performance library:
|
|
||||||
* http://hoschek.home.cern.ch/hoschek/colt/
|
|
||||||
*
|
|
||||||
* @param fValue the value for the CDF
|
|
||||||
* @return The P value
|
|
||||||
*/
|
|
||||||
// public double getP(double fValue) {
|
|
||||||
// double answer;
|
|
||||||
// double y1;
|
|
||||||
// double y2;
|
|
||||||
// //nu1 = 1;
|
|
||||||
// //x2 =1
|
|
||||||
// double nu2 = n - 2;
|
|
||||||
// y1 = nu2 / (nu2 + fValue);
|
|
||||||
// y2 = 0.0;
|
|
||||||
// answer = Gamma.incompleteBeta(nu2 / 2.0, 1 / 2.0, y1)
|
|
||||||
// - Gamma.incompleteBeta(nu2 / 2.0, 1 / 2.0, y2);
|
|
||||||
// return answer;
|
|
||||||
// }
|
|
||||||
|
|
||||||
/*
|
|
||||||
* Here are the accessor methods
|
|
||||||
*
|
|
||||||
*/
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the intercept of the regression line.
|
|
||||||
*
|
|
||||||
* @return The intercept.
|
|
||||||
*/
|
|
||||||
public double getIntercept() {
|
|
||||||
return a;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the Slope of the regression line.
|
|
||||||
*
|
|
||||||
* @return The slope.
|
|
||||||
*/
|
|
||||||
public double getSlope() {
|
|
||||||
return b;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the residuals of the regression.
|
|
||||||
*
|
|
||||||
* @return The residuals.
|
|
||||||
*/
|
|
||||||
public double[][] getResiduals() {
|
|
||||||
return residual;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the x data for the regression.
|
|
||||||
*
|
|
||||||
* @return The array of x values.
|
|
||||||
*/
|
|
||||||
public double[] getDataX() {
|
|
||||||
return x;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the y data for the regression.
|
|
||||||
*
|
|
||||||
* @return The array of y values.
|
|
||||||
*/
|
|
||||||
public double[] getDataY() {
|
|
||||||
return y;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the minimum of the x values.
|
|
||||||
*
|
|
||||||
* @return The minimum.
|
|
||||||
*/
|
|
||||||
public double getMinX() {
|
|
||||||
return minX;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the maximum of the x values.
|
|
||||||
*
|
|
||||||
* @return The maximum.
|
|
||||||
*/
|
|
||||||
public double getMaxX() {
|
|
||||||
return maxX;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the minimum of the y values.
|
|
||||||
*
|
|
||||||
* @return The minumum.
|
|
||||||
*/
|
|
||||||
public double getMinY() {
|
|
||||||
return minY;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the maximum of the y values.
|
|
||||||
*
|
|
||||||
* @return The maximum.
|
|
||||||
*/
|
|
||||||
public double getMaxY() {
|
|
||||||
return maxY;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the maximum absolute residual.
|
|
||||||
*
|
|
||||||
* @return The maximum.
|
|
||||||
*/
|
|
||||||
public double getMaxAbsoluteResidual() {
|
|
||||||
return maxAbsoluteResidual;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the sum of the square x deviations from mean of x.
|
|
||||||
*
|
|
||||||
* @return The Sxx value
|
|
||||||
*/
|
|
||||||
public double getSxx() {
|
|
||||||
return Sxx;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the sum of the square y deviations from mean of y.
|
|
||||||
*
|
|
||||||
* @return The Syy value
|
|
||||||
*/
|
|
||||||
public double getSyy() {
|
|
||||||
return Syy;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets SSR = Sxy * Sxy / Sxx;
|
|
||||||
*
|
|
||||||
* @return The SSR value
|
|
||||||
*/
|
|
||||||
public double getSSR() {
|
|
||||||
return SSR;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets SSE = Syy - SSR.
|
|
||||||
*
|
|
||||||
* @return The SSE value
|
|
||||||
*/
|
|
||||||
public double getSSE() {
|
|
||||||
return SSE;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the mean square error MSE.
|
|
||||||
*
|
|
||||||
* @return The MSE value
|
|
||||||
*/
|
|
||||||
public double getMSE() {
|
|
||||||
return SSE / (n - 2);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the mean XBar of x.
|
|
||||||
*
|
|
||||||
* @return The XBar value
|
|
||||||
*/
|
|
||||||
public double getXBar() {
|
|
||||||
return sumX / n;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the mean YBar of y.
|
|
||||||
*
|
|
||||||
* @return The YBar value
|
|
||||||
*/
|
|
||||||
public double getYBar() {
|
|
||||||
return sumY / n;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the sample size.
|
|
||||||
*
|
|
||||||
* @return The sample size.
|
|
||||||
*/
|
|
||||||
public int getDataLength() {
|
|
||||||
return x.length;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the Pearson R statistic of the regression.
|
|
||||||
*
|
|
||||||
* @return The PearsonR value
|
|
||||||
*/
|
|
||||||
public double getPearsonR() {
|
|
||||||
return Sxy / Math.sqrt(Sxx * Syy);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Gets the sum of the x squared values.
|
|
||||||
*
|
|
||||||
* @return The sum of the x squared values.
|
|
||||||
*/
|
|
||||||
public double getSumXSquared() {
|
|
||||||
return sumXsquared;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* reset data to 0
|
|
||||||
*/
|
|
||||||
public void reset() {
|
|
||||||
x = new double[0];
|
|
||||||
y = new double[0];
|
|
||||||
dataLength = 0;
|
|
||||||
n = 0.0;
|
|
||||||
residual = new double[0][0];
|
|
||||||
|
|
||||||
sumX = 0;
|
|
||||||
sumXsquared = 0;
|
|
||||||
sumY = 0;
|
|
||||||
sumYsquared = 0;
|
|
||||||
sumXY = 0;
|
|
||||||
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Adds a new point to the regression (for interactive use).
|
|
||||||
*
|
|
||||||
* @param xValue The new x value
|
|
||||||
* @param yValue The new y value
|
|
||||||
*/
|
|
||||||
public void addPoint(double xValue, double yValue) {
|
|
||||||
dataLength++;
|
|
||||||
double[] xNew = new double[dataLength];
|
|
||||||
double[] yNew = new double[dataLength];
|
|
||||||
System.arraycopy(x, 0, xNew, 0, dataLength - 1);
|
|
||||||
System.arraycopy(y, 0, yNew, 0, dataLength - 1);
|
|
||||||
xNew[dataLength - 1] = xValue;
|
|
||||||
yNew[dataLength - 1] = yValue;
|
|
||||||
x = xNew;
|
|
||||||
y = yNew;
|
|
||||||
updateStatistics(xValue, yValue);
|
|
||||||
}
|
|
||||||
|
|
||||||
private void doStatistics() {
|
|
||||||
//Find sum of squares for x,y and sum of xy
|
|
||||||
for (int i = 0; i < dataLength; i++) {
|
|
||||||
minX = Math.min(minX, x[i]);
|
|
||||||
maxX = Math.max(maxX, x[i]);
|
|
||||||
minY = Math.min(minY, y[i]);
|
|
||||||
maxY = Math.max(maxY, y[i]);
|
|
||||||
sumX += x[i];
|
|
||||||
sumY += y[i];
|
|
||||||
sumXsquared += x[i] * x[i];
|
|
||||||
sumYsquared += y[i] * y[i];
|
|
||||||
sumXY += x[i] * y[i];
|
|
||||||
}
|
|
||||||
//Caculate regression coefficients
|
|
||||||
n = (double) dataLength;
|
|
||||||
Sxx = sumXsquared - sumX * sumX / n;
|
|
||||||
Syy = sumYsquared - sumY * sumY / n;
|
|
||||||
Sxy = sumXY - sumX * sumY / n;
|
|
||||||
b = Sxy / Sxx;
|
|
||||||
a = (sumY - b * sumX) / n;
|
|
||||||
SSR = Sxy * Sxy / Sxx;
|
|
||||||
SSE = Syy - SSR;
|
|
||||||
calculateResiduals();
|
|
||||||
}
|
|
||||||
|
|
||||||
private void calculateResiduals() {
|
|
||||||
residual = new double[2][dataLength];
|
|
||||||
maxAbsoluteResidual = 0.0;
|
|
||||||
for (int i = 0; i < dataLength; i++) {
|
|
||||||
residual[0][i] = x[i];
|
|
||||||
residual[1][i] = y[i] - (a + b * x[i]);
|
|
||||||
maxAbsoluteResidual =
|
|
||||||
Math.max(maxAbsoluteResidual, Math.abs(y[i] - (a + b * x[i])));
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
//update statistics for a single additional data point
|
|
||||||
private void updateStatistics(double xValue, double yValue) {
|
|
||||||
//Find sum of squares for x,y and sum of xy
|
|
||||||
n++;
|
|
||||||
sumX += xValue;
|
|
||||||
sumY += yValue;
|
|
||||||
sumXsquared += xValue * xValue;
|
|
||||||
sumYsquared += yValue * yValue;
|
|
||||||
sumXY += xValue * yValue;
|
|
||||||
//Caculate regression coefficients
|
|
||||||
n = (double) dataLength;
|
|
||||||
Sxx = sumXsquared - sumX * sumX / n;
|
|
||||||
Syy = sumYsquared - sumY * sumY / n;
|
|
||||||
Sxy = sumXY - sumX * sumY / n;
|
|
||||||
b = Sxy / Sxx;
|
|
||||||
a = (sumY - b * sumX) / n;
|
|
||||||
SSR = Sxy * Sxy / Sxx;
|
|
||||||
SSE = Syy - SSR;
|
|
||||||
calculateResiduals();
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* regression line y = a + bx.
|
|
||||||
*
|
|
||||||
* @param x
|
|
||||||
* @return double
|
|
||||||
* @throws InterpolationException
|
|
||||||
*/
|
|
||||||
public double getY(double x) throws InterpolationException {
|
|
||||||
return a + b * x;
|
|
||||||
}
|
|
||||||
|
|
||||||
@Override
|
|
||||||
public String toString() {
|
|
||||||
StringBuilder sb = new StringBuilder(1000);
|
|
||||||
|
|
||||||
sb.append("Regression Statistics for " + yName + " = a + b*" + xName);
|
|
||||||
sb.append("");
|
|
||||||
sb.append("Sample Statistics");
|
|
||||||
int n = this.getDataLength();
|
|
||||||
sb.append("Sample size n = " + n);
|
|
||||||
sb.append("Mean of " + yName + " Y bar = " + this.getYBar());
|
|
||||||
sb.append("s_Y");
|
|
||||||
sb.append("= " + Math.sqrt(this.getSyy() / ((float) (n - 1))));
|
|
||||||
sb.append("Pearson correlation R = " + this.getPearsonR());
|
|
||||||
sb.append("");
|
|
||||||
sb.append("Coefficient Estimates");
|
|
||||||
a = this.getIntercept();
|
|
||||||
b = this.getSlope();
|
|
||||||
sb.append("a = " + a);
|
|
||||||
sb.append("b = " + b);
|
|
||||||
sb.append("");
|
|
||||||
|
|
||||||
sb.append("95% Confidence Intervals");
|
|
||||||
|
|
||||||
if (n > 32) {
|
|
||||||
t = t025[30];
|
|
||||||
} else if (n > 2) {
|
|
||||||
t = t025[n - 2];
|
|
||||||
} else {
|
|
||||||
t = Double.NaN;
|
|
||||||
}
|
|
||||||
MSE = this.getMSE();
|
|
||||||
if (n > 2) {
|
|
||||||
bSE = Math.sqrt(MSE / this.getSxx());
|
|
||||||
} else {
|
|
||||||
bSE = Double.NaN;
|
|
||||||
}
|
|
||||||
aSE = bSE * Math.sqrt(this.getSumXSquared() / n);
|
|
||||||
aCILower = a - t * aSE;
|
|
||||||
aCIUpper = a + t * aSE;
|
|
||||||
sb.append("a : (" + aCILower + ", " + aCIUpper + ")");
|
|
||||||
bCILower = b - t * bSE;
|
|
||||||
bCIUpper = b + t * bSE;
|
|
||||||
sb.append("b : (" + bCILower + ", " + bCIUpper + ")");
|
|
||||||
sb.append("");
|
|
||||||
sb.append("Analysis of Variance");
|
|
||||||
sb.append("Source Degrees Freedom Sum of Squares");
|
|
||||||
sb.append("");
|
|
||||||
SSR = this.getSSR();
|
|
||||||
//allow one degree of freedom for mean
|
|
||||||
sb.append(
|
|
||||||
"model 1 "
|
|
||||||
+ SSR);
|
|
||||||
sb.append(
|
|
||||||
"error "
|
|
||||||
+ (n - 2)
|
|
||||||
+ " "
|
|
||||||
+ this.getSSE());
|
|
||||||
sb.append(
|
|
||||||
"total(corrected) "
|
|
||||||
+ (n - 1)
|
|
||||||
+ " "
|
|
||||||
+ this.getSyy());
|
|
||||||
sb.append("");
|
|
||||||
sb.append("MSE =" + MSE);
|
|
||||||
F = SSR / MSE;
|
|
||||||
sb.append("F = " + F + " ");
|
|
||||||
//sb.append("p = " + this.getP(F));
|
|
||||||
|
|
||||||
return sb.toString();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
/****************************************************************************
|
|
||||||
* END OF FILE
|
|
||||||
****************************************************************************/
|
|
||||||
@ -1,53 +0,0 @@
|
|||||||
///////////////////////////////////////////////////////////////////////////////
|
|
||||||
// Filename: $RCSfile: PolynomialInterpolationResult.java,v $
|
|
||||||
// Purpose: Some interpolation stuff.
|
|
||||||
// Language: Java
|
|
||||||
// Compiler: JDK 1.4
|
|
||||||
// Authors: Joerg K. Wegner
|
|
||||||
// Version: $Revision: 1.1 $
|
|
||||||
// $Date: 2003/07/22 19:25:36 $
|
|
||||||
// $Author: wegnerj $
|
|
||||||
//
|
|
||||||
// Copyright (c) Dept. Computer Architecture, University of Tuebingen, Germany
|
|
||||||
//
|
|
||||||
///////////////////////////////////////////////////////////////////////////////
|
|
||||||
|
|
||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
/*==========================================================================*
|
|
||||||
* IMPORTS
|
|
||||||
*==========================================================================*/
|
|
||||||
|
|
||||||
/*==========================================================================*
|
|
||||||
* CLASS DECLARATION
|
|
||||||
*==========================================================================*/
|
|
||||||
|
|
||||||
/**
|
|
||||||
* The result data for a polynomial interpolation.
|
|
||||||
*/
|
|
||||||
public class PolynomialInterpolationResult {
|
|
||||||
/*-------------------------------------------------------------------------*
|
|
||||||
* public member variables
|
|
||||||
*-------------------------------------------------------------------------*/
|
|
||||||
|
|
||||||
public double y = Double.NaN;
|
|
||||||
public double yError = Double.NaN;
|
|
||||||
|
|
||||||
/*------------------------------------------------------------------------*
|
|
||||||
* constructor
|
|
||||||
*------------------------------------------------------------------------*/
|
|
||||||
|
|
||||||
public PolynomialInterpolationResult() {
|
|
||||||
y = Double.NaN;
|
|
||||||
yError = Double.NaN;
|
|
||||||
}
|
|
||||||
|
|
||||||
public PolynomialInterpolationResult(double y, double yError) {
|
|
||||||
this.y = y;
|
|
||||||
this.yError = yError;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/****************************************************************************
|
|
||||||
* END OF FILE
|
|
||||||
****************************************************************************/
|
|
||||||
@ -1,245 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Defines the routines for the spline interpolation of data.
|
|
||||||
*/
|
|
||||||
public class SplineInterpolation {
|
|
||||||
AbstractDataSet abstractDataSet = null;
|
|
||||||
double[] secondDerivative = null;
|
|
||||||
double[] xArray = null;
|
|
||||||
double[] yArray = null;
|
|
||||||
boolean ascendingData = true;
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Initializes this class.
|
|
||||||
*/
|
|
||||||
public SplineInterpolation() throws InterpolationException {
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Initializes this class and calculates the second derivative of the spline.
|
|
||||||
*
|
|
||||||
* @param abstractDataSet the <code>AbstractDataSet</code>
|
|
||||||
*/
|
|
||||||
public SplineInterpolation(AbstractDataSet abstractDataSet)
|
|
||||||
throws InterpolationException {
|
|
||||||
this.setAbstractDataSet(abstractDataSet);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Sets the new <code>AbstractDataSet</code> and calculates the second
|
|
||||||
* derivative of the spline.
|
|
||||||
*
|
|
||||||
* @param abstractDataSet the <code>AbstractDataSet</code>
|
|
||||||
*/
|
|
||||||
public void setAbstractDataSet(AbstractDataSet abstractDataSet)
|
|
||||||
throws InterpolationException {
|
|
||||||
this.abstractDataSet = abstractDataSet;
|
|
||||||
double[] x = abstractDataSet.getXData();
|
|
||||||
double[] y = abstractDataSet.getYData();
|
|
||||||
boolean ascending = false;
|
|
||||||
int n = x.length;
|
|
||||||
|
|
||||||
xArray = new double[n];
|
|
||||||
yArray = new double[n];
|
|
||||||
xArray[n - 1] = x[0];
|
|
||||||
yArray[n - 1] = y[0];
|
|
||||||
for (int i = 0; i < n - 1; i++) {
|
|
||||||
xArray[i] = x[n - i - 1];
|
|
||||||
yArray[i] = y[n - i - 1];
|
|
||||||
if (x[i] < x[i + 1]) {
|
|
||||||
//if(descending)throw new InterpolationException("The x values must be"+
|
|
||||||
// " in continous ascending/descending order.");
|
|
||||||
ascending = true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ascendingData = ascending;
|
|
||||||
|
|
||||||
if (ascendingData) {
|
|
||||||
xArray = abstractDataSet.getXData();
|
|
||||||
yArray = abstractDataSet.getYData();
|
|
||||||
}
|
|
||||||
this.secondDerivative =
|
|
||||||
spline(
|
|
||||||
xArray,
|
|
||||||
yArray,
|
|
||||||
(yArray[1] - yArray[0]) / (xArray[1] - xArray[0]),
|
|
||||||
(yArray[n - 1] - yArray[n - 2]) / (xArray[1] - xArray[n - 2]));
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Uses the spline with the calculated second derivative values to calculate
|
|
||||||
* the <code>y</code> value. This algorithm was taken from:<br>
|
|
||||||
* <a href="http://www.ulib.org/webRoot/Books/Numerical_Recipes/" target="_top">
|
|
||||||
* William H. Press, Saul A. Teukolosky, William T. Vetterling, Brian P. Flannery,
|
|
||||||
* "Numerical Recipes in C - The Art of Scientific Computing", Second Edition,
|
|
||||||
* Cambridge University Press,
|
|
||||||
* ISBN 0-521-43108-5,
|
|
||||||
* chapter 5, pages 173-176.</a><br>
|
|
||||||
*/
|
|
||||||
public double getY(double x) throws InterpolationException {
|
|
||||||
return splineInterpolation(xArray, yArray, secondDerivative, x);
|
|
||||||
}
|
|
||||||
|
|
||||||
public double getDerivative(double x) throws InterpolationException {
|
|
||||||
return splineInterpolatedDerivative(
|
|
||||||
xArray,
|
|
||||||
yArray,
|
|
||||||
secondDerivative,
|
|
||||||
x);
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Calculates the second derivative of the data. It's important that the
|
|
||||||
* x<sub>i</sub> values of the function y<sub>i</sub>=f(x<sub>i</sub>) are
|
|
||||||
* in ascending order, as x<sub>0</sub><x<sub>1</sub><x<sub>2</sub><... .
|
|
||||||
* This algorithm was taken from:<br>
|
|
||||||
* <a href="http://www.ulib.org/webRoot/Books/Numerical_Recipes/" target="_top">
|
|
||||||
* William H. Press, Saul A. Teukolosky, William T. Vetterling, Brian P. Flannery,
|
|
||||||
* "Numerical Recipes in C - The Art of Scientific Computing", Second Edition,
|
|
||||||
* Cambridge University Press,
|
|
||||||
* ISBN 0-521-43108-5,
|
|
||||||
* chapter 3, pages 113-116.</a><br>
|
|
||||||
*/
|
|
||||||
public double[] spline(double[] x, double[] y, double yp0, double ypn)
|
|
||||||
throws InterpolationException {
|
|
||||||
if (x[0] > x[1]) {
|
|
||||||
throw new InterpolationException(
|
|
||||||
"The x values must be" + " in ascending order.");
|
|
||||||
}
|
|
||||||
int n = x.length;
|
|
||||||
double[] y2 = new double[n];
|
|
||||||
double[] u = new double[n - 1];
|
|
||||||
int i, k;
|
|
||||||
double p, qn, sig, un;
|
|
||||||
|
|
||||||
if (yp0 > 0.99e30) {
|
|
||||||
y2[0] = u[0] = 0.0;
|
|
||||||
} else {
|
|
||||||
y2[0] = -0.5;
|
|
||||||
u[0] =
|
|
||||||
(3.0 / (x[1] - x[0])) * ((y[1] - y[0]) / (x[1] - x[0]) - yp0);
|
|
||||||
}
|
|
||||||
for (i = 2; i <= n - 1; i++) {
|
|
||||||
sig = (x[i - 1] - x[i - 2]) / (x[i] - x[i - 2]);
|
|
||||||
p = sig * y2[i - 2] + 2.0;
|
|
||||||
y2[i - 1] = (sig - 1.0) / p;
|
|
||||||
u[i - 1] =
|
|
||||||
(y[i] - y[i - 1]) / (x[i] - x[i - 1])
|
|
||||||
- (y[i - 1] - y[i - 2]) / (x[i - 1] - x[i - 2]);
|
|
||||||
u[i - 1] =
|
|
||||||
(6.0 * u[i - 1] / (x[i] - x[i - 2]) - sig * u[i - 2]) / p;
|
|
||||||
}
|
|
||||||
if (ypn > 0.99e30) {
|
|
||||||
qn = un = 0.0;
|
|
||||||
} else {
|
|
||||||
qn = 0.5;
|
|
||||||
un =
|
|
||||||
(3.0 / (x[n - 1] - x[n - 2]))
|
|
||||||
* (ypn - (y[n - 1] - y[n - 2]) / (x[n - 1] - x[n - 2]));
|
|
||||||
}
|
|
||||||
y2[n - 1] = (un - qn * u[n - 2]) / (qn * y2[n - 2] + 1.0);
|
|
||||||
for (k = n - 1; k >= 1; k--) {
|
|
||||||
y2[k - 1] = y2[k - 1] * y2[k] + u[k - 1];
|
|
||||||
}
|
|
||||||
|
|
||||||
return y2;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Calculates the second derivative of the data. This algorithm
|
|
||||||
* was taken from:<br>
|
|
||||||
* <a href="http://www.ulib.org/webRoot/Books/Numerical_Recipes/" target="_top">
|
|
||||||
* William H. Press, Saul A. Teukolosky, William T. Vetterling, Brian P. Flannery,
|
|
||||||
* "Numerical Recipes in C - The Art of Scientific Computing", Second Edition,
|
|
||||||
* Cambridge University Press,
|
|
||||||
* ISBN 0-521-43108-5,
|
|
||||||
* chapter 3, pages 113-116.</a><br>
|
|
||||||
*/
|
|
||||||
public double splineInterpolation(
|
|
||||||
double[] xa,
|
|
||||||
double[] ya,
|
|
||||||
double[] y2a,
|
|
||||||
double x)
|
|
||||||
throws InterpolationException {
|
|
||||||
int n = xa.length;
|
|
||||||
if (n != ya.length || n != y2a.length) {
|
|
||||||
throw new InterpolationException("Arrays have different lengths.");
|
|
||||||
}
|
|
||||||
double y;
|
|
||||||
int klo, khi, k;
|
|
||||||
double h, b, a;
|
|
||||||
|
|
||||||
klo = 0;
|
|
||||||
khi = n - 1;
|
|
||||||
while (khi - klo > 1) {
|
|
||||||
k = (khi + klo) >> 1;
|
|
||||||
if (xa[k] > x) {
|
|
||||||
khi = k;
|
|
||||||
} else {
|
|
||||||
klo = k;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
h = xa[khi] - xa[klo];
|
|
||||||
|
|
||||||
if (h == 0.0) {
|
|
||||||
throw new InterpolationException("Two identical x values. The values must be distinct.");
|
|
||||||
}
|
|
||||||
a = (xa[khi] - x) / h;
|
|
||||||
b = (x - xa[klo]) / h;
|
|
||||||
y =
|
|
||||||
a * ya[klo]
|
|
||||||
+ b * ya[khi]
|
|
||||||
+ ((a * a * a - a) * y2a[klo] + (b * b * b - b) * y2a[khi])
|
|
||||||
* (h * h)
|
|
||||||
/ 6.0;
|
|
||||||
return y;
|
|
||||||
}
|
|
||||||
|
|
||||||
/**
|
|
||||||
* Calculates the second derivative of the data. This algorithm
|
|
||||||
* was taken from:<br>
|
|
||||||
* <a href="http://www.ulib.org/webRoot/Books/Numerical_Recipes/" target="_top">
|
|
||||||
* William H. Press, Saul A. Teukolosky, William T. Vetterling, Brian P. Flannery,
|
|
||||||
* "Numerical Recipes in C - The Art of Scientific Computing", Second Edition,
|
|
||||||
* Cambridge University Press,
|
|
||||||
* ISBN 0-521-43108-5,
|
|
||||||
* chapter 3, pages 113-116.</a><br>
|
|
||||||
*/
|
|
||||||
public double splineInterpolatedDerivative(
|
|
||||||
double[] xa,
|
|
||||||
double[] ya,
|
|
||||||
double[] y2a,
|
|
||||||
double x)
|
|
||||||
throws InterpolationException {
|
|
||||||
int n = xa.length;
|
|
||||||
if (n != ya.length || n != y2a.length) {
|
|
||||||
throw new InterpolationException("Arrays have different lengths.");
|
|
||||||
}
|
|
||||||
double dydx;
|
|
||||||
int klo, khi, k;
|
|
||||||
double h, b, a;
|
|
||||||
|
|
||||||
klo = 0;
|
|
||||||
khi = n - 1;
|
|
||||||
while (khi - klo > 1) {
|
|
||||||
k = (khi + klo) >> 1;
|
|
||||||
if (xa[k] > x) {
|
|
||||||
khi = k;
|
|
||||||
} else {
|
|
||||||
klo = k;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
h = xa[khi] - xa[klo];
|
|
||||||
if (h == 0.0) {
|
|
||||||
throw new InterpolationException("Two identical x values. The values must be distinct.");
|
|
||||||
}
|
|
||||||
a = (xa[khi] - x) / h;
|
|
||||||
b = (x - xa[klo]) / h;
|
|
||||||
dydx =
|
|
||||||
(ya[khi] - ya[klo]) / h
|
|
||||||
- ((3 * (a * a) - 1) * h * y2a[klo]) / 6.0
|
|
||||||
+ ((3 * (b * b) - 1) * h * y2a[khi]) / 6.0;
|
|
||||||
return dydx;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
@ -1 +0,0 @@
|
|||||||
package eva2.tools.math.interpolation;
|
|
||||||
Loading…
x
Reference in New Issue
Block a user