Bedankt voor jullie reacties!
Ik denk dat ik jullie denkwijze begrijp. Ik vrees echter dat het niet zal gaan op deze manier.
Dus volgens mij stel je voor om multiple regressie analyse toe te passen op de I met U en R en daarna G te voorspellen met I,
want G en I zijn lineair. En I is trouwens een gekende waarde die niet voorspeld hoeft te worden, het kan gemeten worden.
Ik ben misschien wat onduidelijk geweest bij de eerste grafiek. Het lineair verband tussen G en I is enkel van toepassing als U en R constant blijven of gelijk zijn aan 0.
Dus algemeen G stijgt lineair met I, maar er zijn externe factoren die de meting beïnvloeden dat is namelijk U en R, je kan ze beschouwen als ongewenste factoren die de meting verstoren. De invloed van beide factoren U en R is gekend door metingen zoals in de twee laatste grafieken voorgesteld. Dit houdt in dat je bij een bepaalde waarde I, die gemeten wordt meerdere mogelijke gewichten hebt. Het is dus U en R die bepalen welk gewicht er nu op de machine ligt.
Ik zal een voorbeeld geven met getallen :
Stel ik meet een waarde I op de machine bv 1000
Ik meet de waarde U, die is 0, dus U heeft geen invloed op I zie tweede grafiek.
Ik meet de waarde R, die is ook 0, dus die heeft ook geen invloed op I zie derde grafiek.
Dus het gewicht kan eenvoudig voorspeld worden met de eerste grafiek bv. 5 kg.
Echter de situatie is gewijzigd bij een tweede meting.
Ik meet opnieuw I die is opnieuw 1000.
Daarna meet ik U, die is 100, dus die beïnvloed I (kwadratisch verband) zie 2
e grafiek.
Daarna meet ik R die is bv ook 100, dus die beïnvloed ook I ( lineair stijgend) zie 3
e grafiek.
We mogen G niet voorspellen met de 1
e grafiek, want U en R is niet 0.
Het effectieve gewicht op de machine zal dus kleiner zijn bv. 2kg dan in het eerste geval, terwijl de waarde I dezelfde is, dit omdat U en R de waarde I beïnvloeden, ze zorgen ervoor dat I stijgt, terwijl het gewicht niet gestegen is.
Het is ook vanzelfsprekend dat de invloed van U, meer zal moeten doorwegen dan R. Want U is kwadratisch, terwijl R lineair is.
Dus het bereken van het gewicht zou er ergens zo moeten uitzien :
\(
G = a*I + b - x*U - y*R
\)
I, U en R zijn waarden die gekend zijn, deze worden gewoon gemeten, dus moet ik x en y vinden om G te kunnen voorspellen.
Mijn uitleg was dus blijkbaar niet duidelijk genoeg, excuses.
Hopelijk is het probleem nu duidelijk en kunnen jullie me verder helpen.
Nogmaals dank!
