Általános többváltozós adatelemzés

We are searching data for your request:

Forums and discussions:

Manuals and reference books:

Data from registers:

Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Regressziós együttható

Míg a korrelációs elemzés eleve nem feltételezte, hogy a változók között funkcionális kapcsolat van, addig a regressziós elemzés a befolyásoló változó átlagos befolyását próbálja tisztázni. $x$ a célméreten $y$ Van. Lineáris összefüggés esetén mérték a meredekség $b$ a regressziós egyenes $y = a + b x$ hogy a korrelációs együtthatóval $r (x, y)$ összefüggő.

$b = \frac{s_{x y}}{s_{x}^{2}} = r (x, y) \frac{s_{y}}{s_{x}} \begin{array}{l} s_{x y} = Kovariancia \\ s_{x}^{2} = Variancia \\ s_{x}, s_{y} = Standard eltérések \end{array}$

Ebben az esetben az ember mindig két különböző helyzetet különböztet meg.

Funkcionális függőségek:: A befolyásoló változó és a célváltozó élesen meghatározott funkcionális kapcsolatot alkot a klasszikus matematikában.
Sztochasztikus kapcsolatok:: A befolyásoló változó és a célváltozó sztochasztikus kapcsolatot alkot, amelyet bizonyos szórású (fluktuációk) valószínűségi változók megléte jellemez.

A következő ábra a legjobban illeszkedő egyenesek különböző meredekségeinek regressziós együtthatóit mutatja $b$ különböző szórási fokokra ábrázolva.

Attól függően, hogy a célváltozó (függő változó) és a befolyásoló változó (független változó) fel lett-e cserélve, két regressziós sor jelenik meg a megfelelő hibasávokkal:

$\begin{array}{l} d = y - \hat{y} \\ d^{'} = x - \hat{x} \end{array} \begin{array}{l} d = Különbség (hiba a regressziós egyenesből y tovább x) \\ d^{'} = Különbség (hiba a regressziós egyenesből x tovább y) \\ x = független változó (függő változó) \\ y = függő változó (független változó) \\ \hat{y}, \hat{x} = Becslések \end{array}$

A különbségek minimalizálásával (Gauss-féle hibanégyzet módszer) két regressziós egyenest kapunk:

Ha mindkét változó hibásnak minősül, független beállítást kell végezni.

A függőség vagy a korreláció növekedésével a két egyenes közötti szög kisebb lesz, a két legjobban illeszkedő egyenes végül egybeesik, és a korrelációs együttható nagysága válik $| r | = | r (x, y) | = 1$ és az összefüggés állítólag rendkívül erős. Megmutatható, hogy a korrelációs együttható a két lejtő geometriai átlaga:

$r = \sqrt{b \cdot b^{'}} = \frac{s_{x y}}{s_{x} \cdot s_{y}} = b \cdot \frac{s_{x}}{s_{y}}$

Ha a korrelációs együttható nulla, akkor a két regressziós egyenes párhuzamosan fut a koordinátatengelyekkel ( $α = 90^{\circ}$ ), és nincs kapcsolat (nincs korreláció) a két változó között.

Videó: Hogy mi is az a Rasberry Pi? - Iskolatévé, Raspberry Pi: 1. rész (Július 2022).

Hozzászólások:

Mezijind
2022-03-25, 09:25:50

Szerintem tévedsz
Aleyn
2022-05-01, 05:57:19

Teljes mértékben osztom a véleményedet. Van benne valami, és ez kiváló ötlet. Támogatlak.
Eddrick
2022-05-08, 01:53:46

absolutely agrees with the preceding phrase
Febar
2022-05-18, 00:28:48

How will be commanded to understand?
Kilar
2022-06-23, 03:54:51

Van benne valami. Thank you so much for the explanation, now I will not make such a mistake.