Lineárna regresia

Regresná analýza môžu byť pridané do štatistických metód štúdia vzťahov medzi špecifickými premennými (závislé a nezávislé). V tomto prípade sú nezávislé premenné sú nazývané "premennými" a závisí - "kriteriálnej". Pri vykonávaní lineárnej regresnej analýzy závislá premenná znázornenie formu časovej priamke. Tam je pravdepodobnosť prítomnosti nelineárnych vzťahov medzi premenných týkajúcich sa dielik stupnice, ale tento problém už bol riešený metódami nelineárnej regresie, ktorá nie je predmetom tohto článku.

Sa použije lineárna regresia pomerne úspešne ako v matematických výpočtov a v ekonomických štúdií založených na štatistických údajoch.

Takže to považujú regresie viac. Z hľadiska matematických metód stanovenia lineárny vzťah medzi niektoré premenné lineárna regresia môže byť vyjadrená ako vzorec: y = a + bx. Pre vysvetlenie tohto vzorca možno nájsť v každom učebnice ekonometrie.

Pri rozšírenie počtu pozorovaní (až n-tý počet opakovaní), získaný jednoduchou lineárnou regresiou, reprezentovaná vzorcom:

yi = A + BXi + ei,

kde EI - nezávislé, rovnako rozdelené, náhodné veličiny.

V tomto článku by som chcel venovať viac pozornosti tejto koncepcie z hľadiska predpovedania budúceho cenu na základe predchádzajúcich dát. V tejto oblasti sa odhaduje, lineárna regresia sa aktívne pomocou metódy najmenších štvorcov, ktorý pomáha k vytvoreniu "najvhodnejší" priamku cez určitý počet hodnôt cenových. Vstupné dáta používané cenu, čo znamená vysoký, nízky zatváranie alebo otváranie, a priemer týchto hodnôt (napríklad súčet maxima a minima delené dvoma). Aj tieto údaje pred vybudovanie vhodného linku možno ľubovoľne vyhladené.

Ako bolo uvedené vyššie, lineárna regresia je často používaný analytikmi na stanovenie trendu na základe ceny a času. V tomto prípade bude sklon indikátora regresnej určiť veľkosť cenových zmien za jednotku času. Jednou z podmienok pre správne rozhodnutie pomocou tohto ukazovateľa je použitie generátora signálu v nadväznosti na trend sklonu regresie. Ak je vykonaný pozitívny sklon (stúpajúca lineárna regresia) nákup v prípade, že hodnota ukazovateľa je väčšia ako nula. Pri negatívnym sklonom (klesajúci regresia) na predaj by malo byť záporné hodnoty ukazovateľa (menšia ako nula).

Ako sa používa v určení najlepšej línie zodpovedajúci na určitý počet cenových, metóda najmenších štvorcov znamená, že nasledujúce algoritmus:

- je celková expresia rozdielu štvorcov cien a regresnej priamky;

- je pomer tejto sumy a počet tyčí v rozsahu dátového radu regresnej;

- na výsledok počítaný odmocniny, čo zodpovedá štandardná odchýlka.

Jednoduchá lineárna regresia Rovnica má model:

y (x) = f (x) ^,

kde - produktívne funkcie predstavil závislú premennú;

x - vysvetľujúce alebo nezávislé premenné;

^ Indikuje neprítomnosť prísne funkčného vzťahu medzi premenných x a y. Z tohto dôvodu, v každom jednotlivom prípade, je premenná y sa môže skladať z týchto podmienok:

y = yx + ε,

kde - skutočné údaje o výsledok;

uh - teoretickej dát výsledok určený vyriešením regresnej rovnice ;

ε - náhodná veličina, ktorá charakterizuje odchýlku medzi skutočnou hodnotou a teórie.