regresji liniowej

Analiza regresji może być dodany do statystycznych metod badania związek między określonymi zmiennych (niezależnych i zależnych). W tym przypadku, zmienne niezależne są nazywane „zmienne” i zależna – „kryterialnych”. Prowadząc analizę regresji liniowej Zmienna zależna przedstawienie ma postać interwału skalę. Istnieje prawdopodobieństwo obecności związki nieliniowe pomiędzy zmiennymi związanych przedziale skali, jednak problem uprzednio rozwiązano metodami regresji nieliniowej, która nie jest przedmiotem tego artykułu.

regresji liniowej użyto z powodzeniem jak w obliczeniach matematycznych i ekonomicznych w badaniach opartych na danych statystycznych.

Więc rozważyć ten regres więcej. Z punktu widzenia metody matematycznej określenia liniowej zależności między niektórymi zmiennych regresja liniowa może być reprezentowane przez wzór: y = a + bx. Dla wyjaśnienia tego wzoru można znaleźć w każdym podręczniku na ekonometrii.

Podczas rozszerzania liczbę obserwacji (do ilości n-razy) otrzymane przez prostą regresji liniowej, przedstawionego za pomocą wzoru:

Yi = A + bxi + EI

gdzie EI – niezależne, identycznie rozłożone, losowe zmienne.

W tym artykule chciałbym zwrócić większą uwagę na tę koncepcję z punktu widzenia prognozowania przyszłej ceny na podstawie wcześniejszych danych. W tym zakresie szacujemy, regresja liniowa aktywnie korzysta z Metoda najmniejszych kwadratów, która pomaga zbudować „najbardziej odpowiednią” linię prostą przez pewną liczbę wartości przedziałach cenowych. Dane wejściowe używane przez cenie, co oznacza wysoki, niski, zamknięcie lub otwarcie, a średnią z tych wartości (na przykład suma maksymalnej i minimalnej, podzielonej przez dwa). Również te dane przed zbudowaniem odpowiedniej linii można dowolnie wygładzone.

Jak wspomniano powyżej, regresja liniowa jest często wykorzystywane przez analityków do określenia tendencji w oparciu o cenę i czas. W tym przypadku, nachylenie wskaźnika regresji określi wielkość zmian cen na jednostkę czasu. Jednym z warunków prawidłowej decyzji z wykorzystaniem tego wskaźnika jest zastosowanie generatora sygnału, podążając za trendem regresji nachylenia. Jeśli nachylenie dodatnie (rosnące regresja liniowa) zakup odbywa się wtedy, gdy wartość wskaźnika jest większa niż zero. Podczas ujemnego nachylenia (regresji) malejącej sprzedaży powinny być ujemne wartości wskaźnika (mniejszy niż zero).

Jak stosuje się w celu określenia najlepszego linię odpowiadającą określonej liczby punktów cenowych, metoda najmniejszych kwadratów oznacza, że następujący algorytm:

– jest ekspresja całkowitej różnicy kwadratów ceny i linii regresji;

– jest to stosunek tej sumy, a liczba barów w zakresie serii danych regresji;

– na wynik obliczony pierwiastek kwadratowy, co odpowiada odchyleniu standardowym.

Proste równanie regresji liniowej ma wzór:

Y (x) = f (x) ^,

gdzie – funkcje produkcyjne przedstawił zmienną zależną;

x – objaśniający lub zmienne niezależne;

^ Oznacza brak ścisłą zależność funkcyjna między zmiennych x i y. W związku z tym, w każdym szczególnym przypadku, zmienna R może składać się z takich warunkach:

Y = yx + ε,

gdzie – rzeczywiste dane wynikowe;

uh – teoretyczne dane wynikowe wyznaczyć rozwiązując równania regresji ;

ε – zmienną losową charakteryzującą odchylenie między wartością rzeczywistą a wartością teoretyczną.