లీనియర్ రిగ్రెషన్

తిరోగమన విశ్లేషణ నిర్దిష్ట వేరియబుల్స్ (అస్వతంత్ర మరియు స్వతంత్ర) మధ్య సంబంధాన్ని అధ్యయనం యొక్క గణాంక పద్ధతులు చెయ్యచ్చు. "Criterial" - ఈ సందర్భంలో, స్వతంత్ర వేరియబుల్స్ "పరిచే సహా" మరియు ఆధారపడి అంటారు. ఒక సరళ తిరోగమన విశ్లేషణ చెయ్యటం చేసినప్పుడు ఆధారపడిన చరరాశి ప్రాతినిధ్యం విరామం స్థాయి రూపంలో పడుతుంది. విరామం స్థాయి సంబంధించిన వేరియబుల్స్ మధ్య కాని సరళ సంబంధాలు ఉనికిని ఒక సంభావ్యత ఉంది, కానీ ఈ సమస్య ఇప్పటికే ఈ వ్యాసం విషయం కాదు కాని లీనియర్ రిగ్రెషన్, యొక్క పద్ధతుల ద్వారా పరిష్కారం దొరికింది.

లీనియర్ రిగ్రెషన్ గణిత గణనలు లో చాలా విజయవంతంగా ఉపయోగిస్తున్నారు, మరియు గణాంక డేటా ఆధారంగా ఆర్థిక అధ్యయనాలు లో జరిగినది.

సో ఈ మరింత ఒక రిగ్రెషన్ భావిస్తారు. కొన్ని వేరియబుల్స్ లీనియర్ రిగ్రెషన్ ఒక సూత్రం వలె ప్రాతినిధ్యం చేయవచ్చు మధ్య సరళ సంబంధాన్ని నిర్ణయించే గణిత పద్ధతి యొక్క కోణం నుండి: y A + BX =. ఈ ఫార్ములా యొక్క వివరణకై ఎకనోమెట్రిక్స్ ఏ పాఠ్య పుస్తకంలో చూడవచ్చు.

ఒక సూత్రం వలె సూచించబడే ఒక సాధారణ లీనియర్ రిగ్రెషన్ ద్వారా పొందిన (అప్ సార్లు n వ సంఖ్య) పరిశీలన సంఖ్య విస్తరిస్తున్న చేసినప్పుడు:

yi = A + bxi + ei,

పేరు ei - స్వతంత్ర, సమంగా పంపిణీ, అనిర్దిష్ట చరరాశులు.

ఈ వ్యాసంలో నేను మునుపటి డేటా ఆధారంగా భవిష్యత్తు ధరల అంచనా దృష్టికోణంలో ఈ భావన మరింత శ్రద్ద కోరుకుంటున్నారో. ఈ ప్రాంతంలో, మేము ఒక లీనియర్ రిగ్రెషన్ ప్రస్తుతం ఉపయోగిస్తున్న అంచనా కనీసం చతురస్రాలు పద్ధతి, ధర పాయింట్లు విలువలు నిర్దిష్ట సంఖ్యలో ద్వారా "చాలా సరిఅయిన" సరళ రేఖ నిర్మించడానికి సహాయపడే. ధర ఉపయోగించిన ఇన్పుట్ డేటా, అధిక, తక్కువ, ముగింపు లేదా ప్రారంభ, మరియు ఈ విలువలు సగటు అంటే (ఉదా, గరిష్ట మరియు కనిష్ట రెండు విభజించబడింది మొత్తం). అలాగే, ఒక సరిఅయిన లైన్ నిర్మించడానికి ముందు ఈ డేటా ఏకపక్ష చదును చేయవచ్చు.

పైన చెప్పినట్లుగా, లీనియర్ రిగ్రెషన్ తరచుగా ధర మరియు సమయం ఆధారంగా ఒక ధోరణి గుర్తించడానికి విశ్లేషకులు ఉపయోగిస్తారు. ఈ సందర్భంలో, రిగ్రెషన్ సూచిక వాలు యూనిట్ సమయానికి ధర మార్పులు తీవ్రతతో నిర్ణయిస్తాయి. ఈ సూచిక ఉపయోగించి సరైన నిర్ణయం కోసం పరిస్థితులు ఒకటి వొంపు రిగ్రెషన్ ధోరణి క్రింది ఒక సిగ్నల్ జెనరేటర్ యొక్క ఉపయోగం, ఉంది. సానుకూల వాలు (పెరుగుతున్న లీనియర్ రిగ్రెషన్) కొనుగోలు చేసినట్లయితే సూచిక విలువ సున్నా కంటే ఎక్కువ ఉంటే. అమ్మకానికి ప్రతికూల వాలు (తగ్గుతోంది రిగ్రెషన్) సమయంలో సూచిక (సున్నా కంటే తక్కువ) ప్రతికూల విలువలు వద్ద ఉండాలి.

ధర పాయింట్లు నిర్దిష్ట సంఖ్యలో సంబంధిత ఉత్తమ లైన్ గుర్తించడంలో ఉపయోగించారు కాబట్టి, కనీసం చతురస్రాల విధానాన్ని సూచిస్తుంది క్రింది అల్గోరిథం:

- ధరలు మరియు రిగ్రెషన్ లైన్ గళ్ల బేధం మొత్తం వ్యక్తీకరణ;

- ఈ మొత్తానికి నిష్పత్తిలో రిగ్రెషన్ డేటా శ్రేణి పరిధిలో బార్ల సంఖ్య ఉంది;

- ఫలితంగా కంప్యూటెడ్ మీద వర్గమూలం, ప్రామాణిక విచలనం సంబంధించి ఉంటుంది.

సాధారణ లీనియర్ రిగ్రెషన్ ఈక్వేషన్ మోడల్ ఉంది:

y (x) f = (x) ^,

పేరు - ఉత్పాదక లక్షణాలు ఆధారపడిన చరరాశి సమర్పించారు;

x - వివరణాత్మక లేదా స్వతంత్ర చరరాశి;

^ ఒక కఠినమైన లేకపోవడంతో సూచిస్తుంది క్రియాత్మక సంబంధం వేరియబుల్స్ x మరియు y మధ్య. అందువలన, ప్రతి ప్రత్యేక సందర్భంలో, వేరియబుల్ y వంటి పదాలను కలిగి ఉండవచ్చు:

y = yx + ε,

పేరు - వాస్తవ ఫలితాన్ని డేటా;

ఊ - పరిష్కరించడం ద్వారా నిర్ణయించబడుతుంది సైద్ధాంతిక ఫలితం డేటా రిగ్రెషన్ సమీకరణ ;

ε - అనిర్దిష్ట చరరాశి వాస్తవ విలువ మరియు సిద్ధాంత మధ్య విచలనం వర్ణనను ఇది.