Daugialypė regresija


Statistikos skaidrės.

Daugialypė regresija. Daugialypės tiesinės regresijos modelis. Daugialypės tiesinės regresijos modelis, kai. Tiesinės daugialypės regresijos būtinos prielaidos. Mažiausiųjų kvadratų kriterijus. Regresijos tiesės lygtis. Regresijos kvadratų suma. Liekamųjų paklaidų analizė. Kintamųjų įtakos priklausomybės matai. Liekamųjų paklaidų analizė. Statistinės išvados.


Paklaidos reikšmės statistiškai nepriklausomos. Paklaidos reikšmės pasiskirsčiusios normaliai: , - nežinoma ir vienoda visiems i. Ryšys tarp ir Y yra tiesinis. Nepriklausomų kintamųjų nesieja tiesinė priklausomybė.

Įverčiai ir gaunami taip, kad kvadratu pakeltų paklaidų (stebėjimo taškų nuokrypių nuo regresijos tiesės kvadratų) suma būtų minimali.

Regresijos tiesės lygtis: i-toji liekamoji paklaida žymi vidutinę Y reikšmę, kai X reikšmė lygi nuliui žymi Y reikšmės pokytį, reikšmei padidėjus vienu vienetu, kai likusieji nepriklausomi kintamieji yra fiksuoti.

Visą sklaidą regresijos tiesės atžvilgiu sudaro dvi dalys:.

= Vidutinė priklausomo kintamojo reikšmė = Stebimos priklausomo kintamojo reikšmės = Įvertinta Y reikšmė duotai X reikšmei.

Bendrą liekamųjų paklaidų išsibarstymą geriausiai parodo standartizuotų paklaidų sklaidos diagrama .

  • Statistika Skaidrės
  • 2016 m.
  • Lietuvių
  • 13 puslapių (288 žodžiai)
  • Universitetas
  • Statistikos skaidrės
  • MS PowerPoint 79 KB
  • Daugialypė regresija
    10 - 10 balsai (-ų)
Daugialypė regresija. (2016 m. Gegužės 25 d.). http://www.mokslobaze.lt/daugialype-regresija.html Peržiūrėta 2016 m. Gruodžio 06 d. 12:16