tft每日頭條

 > 生活

 > 統計學簡單線性回歸

統計學簡單線性回歸

生活 更新时间:2024-10-21 19:40:47
一元線性回歸的概念
  • 當隻涉及一個自變量時稱為一元回歸,若因變量 y 與自變量 x 之間為線性關系時稱為一元線性回歸

  • 對于具有線性關系的兩個變量,可以用一條線性方程來表示它們之間的關系

  • 描述因變量 y 如何依賴于自變量 x 和誤差項ε的方程稱為回歸模型

一元線性回歸模型的表示

對于隻涉及一個自變量的簡單線性回歸模型可表示為

y = b0 b1• x ε

  • 方程的圖示是一條直線,因此也稱為直線回歸方

  • 模型中,y 是 x 的線性函數(部分)加上誤差項

  • 線性部分反映了由于 x 的變化而引起的 y 的變化

  • 誤差項 ε是随機變量

    • 反映了除 x 和 y 之間的線性關系之外的随機因素對 y 的影響

    • 是不能由 x 和 y 之間的線性關系所解釋的變異性

  • b0 和 b1 稱為模型的參數

    • b0是回歸直線在 y 軸上的截距,是當 x=0 時 y 的期望值

    • b1是直線的斜率,稱為回歸系數,表示當 x 每變動一個單位時,y 的平均變動值

一元線性回歸模型的基本假設!!!
  • 誤差項ε是一個期望值為0的随機變量,即E(ε)=0。對于一個給定的 x 值,y 的期望值為E(y) =b0 b1• x

  • 對于所有的 x 值,ε的方差σ2 都相同

  • 誤差項ε是一個服從正态分布的随機變量,且相互獨立。即ε~N( 0 ,σ2 )

回歸方程的估計
  • 總體回歸參數b0和b1是未知的,必需利用樣本數據去估計

  • 用樣本統計量b0'和b1'代替回歸方程中的未知參數b0和b1,就得到了估計的回歸方程

最小二乘法

使因變量的觀察值與估計值之間的離差平方和達到最小來求得b0'和b1'的方法

統計學簡單線性回歸(想要學人工智能)1

最小二乘法

統計學簡單線性回歸(想要學人工智能)2

最小二乘法圖示

根據最小二乘法的要求,可得求解b0'和b1'的标準方程如下

統計學簡單線性回歸(想要學人工智能)3

b0'和b1'計算公式

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关生活资讯推荐

热门生活资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved