רגרסיה ליניארית – הבדלי גרסאות
תוכן שנמחק תוכן שנוסף
קראתי את הערך בעיון, ולא ראיתי בו כל בעיה, לא לשונית ולא מקצועית. |
Texvc2LaTeXBot (שיחה | תרומות) מ החלפת קוד LaTeX מיושן mw:Extension:Math/Roadmap |
||
שורה 25:
כאשר:
* <math>\varepsilon_i</math> הוא [[משתנה מקרי]] שערכו הנקודתי נגזר מהפער בין הקשר הליניארי בין ערכי הסדרות <math>X_j</math> באינדקס ה-<math>i</math>י, ובין ערך הסדרה <math>Y</math> בנקודה זו. משתנה זה נקרא "ההפרעה המקרית", או "השונות המקרית" של המודל ומבטא את השינוי בערכי <math>Y</math>, שאינם מוסברים על ידי שינוי בערכי <math>\
* <math>\beta_j</math> הוא המקדם של <math>x_{j_i}</math> במשוואה.
המודל הליניארי המלא הוא [[מערכת משוואות ליניאריות|מערכת]] של <math>n</math> משוואות ב-<math>k</math> נעלמים, המסומן:
<math>\
כאשר:
* <math>\
* <math>X\in F^{n\times{k}}</math> [[מטריצה]] מסדר <math>n\times k</math> המבטאת את ההרכבה הבאה:
<math>\
* <math>\
== משוואת המודל הליניארי ==
בהינתן מערכת המשוואות הליניארית: <math>\
</math>, נגדיר [[העתקה ליניארית|העתקה]]: <math>P:\mathbb{F}^k\rightarrow \mathbb{F}</math> באופן הבא:
<math>P(\
ברדוקציה על הגדרה זו, אנו למעשה מייצרים [[פולינום]] <math>k</math>- משתני ממעלה 1, שמקדמיו הם פתרונות המערכת, בתוספת גורם קבוע:
שורה 50:
==== משוואת הניבוי של המודל הליניארי ====
המודל המוצג לעיל הוא תאורטי בלבד, ומניח למעשה כי דגמנו מאוכלוסייה בת <math>n</math> פרטים, את כלל הפרטים. במציאות, דגימה של כלל האוכלוסייה לרוב אינה אפשרית, ועל כן נהוג לבנות את משוואת הניבוי באמצעות אומדים למודל הליניארי של האוכלוסייה. במקרה זה, נחפש וקטור פתרונות <math>\
===== אומדים חסרי הטיה =====
{{ערך מורחב|משפט גאוס-מרקוב}}
מכיוון שהווקטור <math>\
מכיוון שדגמנו <math>n</math> ערכים של המשתנה <math>Y</math>, נדרוש את הדרישה השקולה: <math>\underset{\
וקטור שעומד בדרישה זו נקרא אומד ל- <math>\
* '''אומד ליניארי''' – וקטור זה הוא פתרון של מערכת משוואות ליניארית
* '''שונות נגזרת משונות האוכלוסייה''' – [[שונות|השונות]] של <math>\
* '''הנחת [[התפלגות נורמלית|נורמליות]]''' – אנו מניחים כי <math>\
* '''אומד חסר הטיה''' – עבור <math>\beta</math>, וקטור מקדמי המערכת הליניארית התאורטית של האוכלוסייה, [[תוחלת]] הווקטור <math>\
* '''הנחת השונות המינימלית''' – לכל אומד <math>\
שתי התכונות האחרונות ניתנות להרחבה במודל בו מניחים <math>n \rightarrow \infty</math> ושקולות, בהתאמה, לשתי התכונות הבאות:
* '''אומד חסר הטיה באופן [[אסימפטוטי]]''' – יקיים: <math>\lim_{n \to \infty} ({E(\
* '''עקיבות''' – אומד חסר הטיה באופן אסימפטוטי המקיים גם: <math>\lim_{n\rightarrow \infty}V(\
תכונות אלו יחדיו, מבטיחות כי הגדלת גודל המדגם עליו מבוססת משוואת האמידה, תקרב אותנו לפרמטרים האמיתיים של האוכלוסייה, דהיינו, אל <math>\beta</math>.
שורה 75:
* '''ההפרעה המקרית מתפלגת נורמלית''' – לכל <math>\varepsilon_i</math> מתקיים: <math>\varepsilon_i\sim N(0,\sigma^2)</math> הנחה זו נובעת ישירות משתי ההנחות הקודמות, אך בגלל חשיבותה הקדשנו לה סעיף נפרד.
* '''חוסר מתאם סדרתי''' – אין תלות בין ההפרעות המקריות, דהיינו: <math>\forall{i\neq j}, Cov(\varepsilon_i,\varepsilon_j)=0</math>.
* <math>\
* '''איסור מולטיקולינאריות מושלמת''' – לכל משתנה מסביר <math>\
=== אמידה במקרים בהם לא מתקיימות ההנחות הקלאסיות===
|