Regresja liniowa


#|A|B|C|D|E|F|G|H|I|J|K|L|M|N|O|P|Q|R|S|T|U|V|W|X|Y|ZIndex 


Regresji liniowej - wersja skrócona

Pasuje do linii rozpraszania-plot w taki sposób, aby zminimalizować sumę kwadratów reszt.


Regresji liniowej - wersja długa

regresji liniowej jest podejście do modelowania zależności między y zmiennej skalarnej i jedną lub więcej zmiennych oznaczonych X. W regresji liniowej, dane są modelowane przy użyciu funkcji liniowych i nieznane parametry modelu są szacowane na podstawie danych. Takie modele są nazywane modeli liniowych. Najczęściej regresji liniowej odnosi się do modelu, w którym warunkowego oznaczają y biorąc pod uwagę wartość X jest afiniczne funkcji X. Rzadziej regresji liniowej może odnosić się do modelu, w którym mediana, lub inne kwantyl warunkowego dystrybucji y współrzędne X jest wyrażona jako funkcja liniowa X. Jak wszystkie formy analizy regresji, regresja liniowa skupia się na warunkowy rozkład prawdopodobieństwa y współrzędne X, a nie na wspólne rozkład prawdopodobieństwa X i Y, który jest domeną z analizy wieloczynnikowej.

Regresji liniowej był pierwszy typ analizy regresji być badane bardziej rygorystycznie, i być szeroko stosowane w praktyce. To dlatego, że modele, które zależą liniowo na nieznane parametry są łatwiejsze do dopasowania niż modele, które nie są liniowo związane z ich parametrami i ponieważ właściwości statystycznych estymatorów wynikające są łatwiejsze do ustalenia.

Regresji liniowej ma wiele praktycznych zastosowań. Większość aplikacji liniowych spadek regresji w jeden z następujących dwóch szerokich kategorii:

* Jeśli celem jest przewidywanie lub prognozowania, regresji liniowej mogą być użyte do dopasowania modelu prognostycznego do obserwowanych danych zestaw y i wartości X. Po opracowaniu takiego modelu, w razie dodatkowych wartości X jest następnie podawany bez towarzyszącego jej wartość y, dopasowanego modelu mogą być używane do przewidywania wartości y.

* Biorąc pod uwagę zmienną y i wielu zmiennych X1, ..., Xp, które mogą być związane z y, analizy regresji liniowej mogą być stosowane do określenia siły związku pomiędzy y i Xj, ocenić, które Xj może nie mieć relacji z y w ogóle, i określić, które podgrupach Xj zawierać zbędnych informacji o y.

Liniowych modeli regresji są często wyposażone w użyciu najmniej podejście kwadratów, ale mogą być również wyposażone w inne sposoby, takie jak, minimalizując "brak dopasowania" w innych norm (jak najmniej bezwzględną regresji odchyleń), lub poprzez minimalizację ukarany wersja najmniej strat kwadratów funkcji, jak w regresji grzbiet. Z drugiej strony, najmniej podejście kwadraty mogą być używane w celu dopasowania modeli, które nie są modele liniowe. Tak więc, podczas gdy termin "najmniejszych kwadratów" i modelu liniowego są ściśle powiązane, nie są synonimami.


Chartitnow

Advertising





Definicja w języku rosyjskim| Definicja w języku francuskim| Definicja w języku japońskim| Definicja w języku wietnamskim| Definicja w języku greckim| Definicja w języku polskim| Definicja w języku tureckim| Definicja w języku portugalskim| Definicja w języku hindi| Definicja w języku szwedzkim| Definicja w języku arabskim| Definicja w chińskim| Definicja w języku niderlandzkim| Definicja w języku hebrajskim| Definicja w języku niemieckim| Definicja w języku koreańskim| Definicja w języku włoskim| Definicja w języku hiszpańskim| Definicja w Tajlandii|