Ero sivun ”Lineaarinen regressioanalyysi” versioiden välillä
[arvioimaton versio] | [arvioimaton versio] |
Poistettu sisältö Lisätty sisältö
pEi muokkausyhteenvetoa |
Jkv (keskustelu | muokkaukset) Luokka:Regressioanalyysi |
||
Rivi 1:
'''Lineaarinen regressioanalyysi''' on [[tilastotiede|tilastollinen]] analyysimenetelmä, jossa aineiston perusteella estimoidaan tarkasteltavan vastemuuttujan lineaarinen riippuvuutta selittävistä muuttujista. Menetelmää sovelletaan lähes kaikilla tieteenaloilla, joilla tehdään empiiristä tutkimusta.
Seuraavassa on esimerkki lineaarisesta regressianalyysista, jossa estimoidaan
:<math>y=\alpha+\beta x</math>,
tuntemattomat parametrit <math>\alpha, \beta</math> kun on
<math>y_i</math>
<math>
y_i=\alpha + \beta x_i+
</math>
missä <math>\varepsilon_i</math> on mallin jäännösvirhe eli residuaali. Kun mallin parametrit estimoidaan [[Pienimmän neliösumman menetelmä|pienimmän neliösumman menetelmällä]], valitaan estimaatit siten, että residuaalien neliöiden summa minimoidaan.
* Virhetermit
* Virhetermit ovat korreloimattomia (toisinaan tehdään vahvempi riippumattomuusoletus).
* Virhetermit ovat homoskedastisia eli niiden varianssi on vakio.
Gauss-Markov -teoreeman mukaan pienimmän neliösumman estimaattori on oletuksien vallitessa
==Parametrien estimointi==
Rivi 42:
* [http://mathworld.wolfram.com/LeastSquaresFitting.html Least Squares Fitting -- MathWorld]
[[Luokka:
[[de:Regressionsanalyse]]
|