886 Shares 5374 views

Méthodes de la statistique mathématique. Une analyse de régression

Utiliser le terme d' analyse de régression multiple a commencé Pearson (Pearson) dans ses œuvres, datant de l'année 1908 encore. Il l'a décrit comme un exemple de l'agent chargé de la vente de biens immobiliers. Dans ses notes sur les maisons spécialiste du commerce a mené compte d'un large éventail de données de base de chaque structure individuelle. D'après les résultats des trades détermine quel facteur a le plus grand impact sur le prix de la transaction.


L'analyse d'un grand nombre de transactions a donné des résultats intéressants. Le coût final influencé par de nombreux facteurs, ce qui conduit parfois à des conclusions paradoxales et même des « émissions » claires, lorsque la maison avec un potentiel initial élevé vendu à un indice de prix réduit.

Un deuxième exemple d'application de cette analyse est présentée emploi du personnel spécialisé, qui a été confiée la détermination des avantages sociaux. Le défi réside dans le fait que la distribution requise est pas un montant fixe pour chacun, et le strict respect de ses valeurs de travail spécifiques effectuées. L'émergence d'une variété de tâches qui sont presque des solutions variantes similaires, exigent un examen plus détaillé à un niveau mathématique.

Dans la statistique mathématique, une place importante a été donnée à une section « analyse de régression », il uni des techniques pratiques utilisées pour étudier les dépendances couvertes par le concept de régression. Ces relations sont observées entre les données obtenues dans les analyses statistiques.

des tâches d'analyse de régression entre la pluralité de principal a trois objectifs: définir l'équation de régression de la forme générale; construction d'estimations de paramètres inconnus, qui sont inclus dans l'équation de régression; vérifier les hypothèses statistiques de régression. Au cours de l'étude de la relation qui se produit entre une paire de valeurs obtenues à partir des observations expérimentales et le nombre de composants (plusieurs) type (x1, y1), …, (xn, yn), sur la base de la position de la théorie de la régression et suggèrent que pour une seule valeur y il y a une certaine distribution de probabilité, en dépit du fait qu'un autre X reste fixe.

Le résultat Y dépend de la valeur de la variable X, cette dépendance peut être déterminée par diverses lois, la précision des résultats est influencée par la nature et le but de l'analyse des observations. Le modèle expérimental repose sur certaines hypothèses qui sont simplifiées mais plausibles. La condition principale est que la valeur du paramètre X est contrôlé. Ses valeurs sont données avant le début de l'expérience.

Si au cours de l'expérience, une paire de variables incontrôlables XY, l'analyse de régression effectuée par la même méthode, mais pour l'interprétation des résultats, où nous étudions l'étude de connexion des variables aléatoires, les méthodes utilisées d'analyse de corrélation. Les méthodes statistiques ne sont pas un thème abstrait. Ils trouvent leur application dans la vie dans divers domaines de l'activité humaine.

Dans la littérature scientifique pour déterminer la méthode mentionnée ci – dessus a trouvé une large utilisation du terme de régression linéaire analyse. Pour une variable X utilisé le terme régresseur ou prédicteur et variables dépendantes Y a également appelé criterial. Cette terminologie reflète une variables de relation mathématique, mais pas la relation de cause à effet d'investigation.

L'analyse de régression est la méthode la plus courante qui est utilisée dans le traitement des résultats d'une grande variété d'observations. Fonction physique et biologique étudié au moyen de cette méthode, il est mis en œuvre et l'économie, et dans l'art. Masse d'autres domaines utilisant le modèle d'analyse de régression. L' analyse de la variance, la conception d'expériences, l' analyse statistique du travail multidimensionnelle en étroite collaboration avec ce mode d'apprentissage.