Регресионен анализ
Регресионният анализ е метод за моделиране на формата на зависимостта на един
метриран резултативен признак
Y,
от един или няколко метрирани факторпризнаци
X
,
наречени още независими променливи. Този анализ не отчита, че изменението на
разглежданите величини може да се дължи на външни, невключени в модела фактори.
Резултатът от регресионния анализ ни позволява ако знаем
Х
да предскажем
Y,
с
известна грешка. Очакваната стойност на тази грешка се измерва в средноквадратичен
смисъл. Поточно
средноквадратична грешка на Y относно f(X)
това е
Е(Y f(X))
2
.
Ако факторпризнакът е един, говорим за
единична регресия
. Иначе говорим за
множествена регресия
. Ще означаваме независимите променливи с
X
= (X
1
, X
2
, ..., X
r
).
Предполагаме, че правим независими опити от наблюдения върху
X
и
Y
, при едни и
същи условия на експеримента. Т.е. при всеки опит имаме реализации на
X
и
Y
.
Общият алгоритъм на регресионният анализ е следният.
1. Регресионният анализ започва с изчертаване на корелационните полета на
данните. В зависимост от кривата, около която се групират точките от тези полета се
избира клас
G
от функции, в който ще моделираме линията на регресия. Да приемем, че
аналитично им представяне е
Y = f(
X
,
) +
,
където
е
r+1
мерен вектор, чиито координати са неизвестни параметри на функцията
f
, а
e стохастична грешка със средно
Е
= 0
и с крайна дисперсия
D
=
2
.
Оценката на линията на регресията е онази функция
f
от разглеждания клас G,
която минимизира средноквадратичната грешка на
Y
относно
f(
X
)
. В множеството от
всички функции това е
f(
x
) = E(Y|
X
=
x
).
Ако функцията
f
е линейна относно неизвестните параметри
, но не обезателно
линейна относно независимите променливи, говорим за
линеен регресионен модел
.
Иначе моделът се нарича нелинеен.
2. Първата задача на регресионния анализ е да се построят найдобри точкови и
интервални оценки на параметрите на регресията така, че измежду всички линии с това
Предмет: | Математика |
Тип: | Лекции |
Брой страници: | 4 |
Брой думи: | 743 |
Брой символи: | 4764 |