Regresji aka Analiza regresji


#|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 aka Analiza regresji - wersja skrócona

Zdefiniowany proces ilościowego i modelowania wydajności procesu w stosunku o jego zmiennych wejściowych. Szacuje się relacji między wejść i wyjść procesu i produkuje model matematyczny tego związku. Jej stosowanie może prowadzić do lepszego zrozumienia krytycznych czynników kontrolujących ht równości wyjściu procesu.


Regresji aka Analiza regresji - wersja długa

Analiza regresji zawiera wiele technik modelowania i analizy wielu zmiennych, gdy koncentruje się na relacji między zmienną zależną i jedną lub więcej zmiennych niezależnych. W szczególności, analiza regresji pomaga zrozumieć, w jaki sposób typowe wartości zależne zmiany zmiennej, gdy jedna z zmiennych niezależnych jest bardzo zróżnicowana, podczas gdy inne zmienne niezależne są utrzymywane stałe. Najczęściej analizy regresji szacuje warunkowe oczekiwanie na zmienną zależną danych zmiennych niezależnych - to znaczy, że średnia wartość zmiennej zależnej, gdy zmienne niezależne są utrzymywane stałe. Rzadziej, koncentruje się na kwantyl lub inny parametr lokalizacji warunkowego rozkładu zmiennej zależnej danych zmiennych niezależnych. We wszystkich przypadkach, celem oceny jest funkcją zmiennych niezależnych nazywa się funkcją regresji. W analizie regresji, to również w interesie charakteryzują zmienność zmiennej zależnej w funkcji regresji, który można opisać rozkładem prawdopodobieństwa.

Analiza regresji jest szeroko stosowany do przewidywania i prognozowania, gdy jego użycie jest zasadniczo pokrywały się z dziedzinie uczenia maszynowego. Analiza regresji jest również do zrozumienia, które wśród zmiennych niezależnych są związane z zmienną zależną, a do zbadania formy tych relacji. W ściśle określonych okolicznościach, analiza regresji mogą być wykorzystane do wniosku, związków przyczynowych między zmienne niezależne i zależne.

Duża część technik przeprowadzania analizy regresji został opracowany. Znanych metod, takich jak regresji liniowej i zwykłych najmniejszych kwadratów są parametryczne, w tym funkcji regresji jest zdefiniowany pod względem skończonej liczby nieznanych parametrów, które są oszacowane na podstawie danych. Regresji nieparametrycznych odnosi się do techniki, które pozwalają funkcji regresji leżeć w określonym zestaw funkcji, które mogą być nieskończenie wymiarowa.

Wykonanie metody analizy regresji w praktyce zależy od postaci danych procesu wytwarzania, i jak odnosi się do podejścia regresji używane. Od prawdziwej postaci danych generujących proces jest w ogóle nie wiadomo, analiza regresji często zależy w pewnym stopniu na uczynienie założeń dotyczących tego procesu. Założenia te są czasami (ale nie zawsze) sprawdzalne w przypadku dużej ilości danych jest dostępny. Modeli regresji do przewidywania są często przydatne, nawet jeśli założenia są umiarkowanie naruszone, choć może nie działać optymalnie. Jednak w wielu zastosowaniach, szczególnie z małych efektów lub pytania przyczynowości w oparciu o dane obserwacyjne, metody regresji dać błędne wyniki.


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|