Մեթոդները մաթեմատիկական վիճակագրության. հետադիմություն վերլուծություն

Օգտագործել տերմինը բազմակի հետադիմություն վերլուծություն սկսեց Pearson (Pearson) նրա աշխատանքներում, ժամադրություն 1908 թ., Մեկ տարի ավելի. Նա նկարագրեց այն որպես օրինակ գործակալի իրականացնող վաճառքը անշարժ գույքի: Է իր կից ծանոթագրություններում տներից առեւտրի մասնագետի գլխավորությամբ հաշիվը լայն շարք աղբյուրի տվյալների յուրաքանչյուր անհատի կառուցվածքի: Արդյունքներով արհեստների դա որոշում է, որը գործոնը ամենամեծ ազդեցությունն գնի վրա գործարքի.

Վերլուծություն մեծ թվով գործարքների տվել հետաքրքիր արդյունքներ: Վերջնական արժեքը վրա ազդում են բազմաթիվ գործոններ, երբեմն հանգեցնելով պարադոքսալ եզրակացությունների եւ նույնիսկ հստակ «արտանետումների», երբ տունը բարձր նախնական ներուժի վաճառվել է նվազեցված գների ինդեքս.

Երկրորդ օրինակը սույն վերլուծության տրվում աշխատանքը մասնագետ կադրեր, որոնք արդեն իրեն վերապահված որոշելու հատուցումները: The մարտահրավեր պառկել է նրանում, որ պահանջվող բաշխման չէ ֆիքսված գումարի յուրաքանչյուր, եւ խիստ հավատարմությունը իր արժեքներին կոնկրետ կատարված աշխատանքի: Առաջացման մի շարք խնդիրների, որոնք գրեթե նմանատիպ տարբերակով լուծումներ, պահանջում է ավելի մանրամասն ուսումնասիրություն մի մաթեմատիկական մակարդակով:

Ի մաթեմատիկական վիճակագրության, մի զգալի տեղ տրվեց «հետընթացը վերլուծության» բաժնում, կան միավորված գործնական տեխնիկան օգտագործվել է ուսումնասիրել կախվածությունը ընդգրկված հայեցակարգի ռեգրեսիայի: Այս հարաբերությունները դիտարկվում են տվյալների միջեւ ձեռք բերված վիճակագրական վերլուծություններից:

Հետադիմություն վերլուծություն խնդիրները շրջանում բազմազանության գլխավոր ունի երեք նպատակներ սահմանելով հետընթացը հավասարման ընդհանուր ձեւով. կառուցումը պարամետր գնահատումների, որոնք անհայտ, որոնք ընդգրկված են ռեգրեսիայի հավասարման. ստուգում հետադարձի վիճակագրական վարկածներ: Ընթացքում ուսումնասիրման հարաբերությունները, որ տեղի է ունենում միջեւ զույգ արժեքների բխող փորձարարական դիտարկումների եւ քանակի բաղադրիչների (բազմաթիվ) տեսակը (x1, y1), ..., (XN, yn), հիման վրա դիրքի վրա ռեգրեսիայի տեսության եւ առաջարկում եմ, որ մեկ արժեքով Y կա որոշակի հավանականությունը բաշխման, չնայած այն հանգամանքին, որ մեկ այլ X մնում ֆիքսված.

Արդյունքն ակնառու է Y կախված է արժեքի փոփոխական X, դա կախվածությունը կարող է որոշվել տարբեր օրենքներով, ճշգրտությունը արդյունքների վրա ազդում է բնության եւ նպատակի վերլուծության դիտարկումների: Փորձարարական մոդելը հիմնված է որոշակի ենթադրությունների, որոնք պարզեցված բայց ճշմարտանման. Հիմնական պայմանն այն է, որ այդ արժեքը պարամետր X վերահսկվում է: Դրա արժեքները տրվում մինչեւ մեկնարկից Փորձի:

Եթե ընթացքում փորձարկմամբ, մի զույգ անվերահսկելի փոփոխականների է XY, հետընթացը վերլուծության իրականացրել է նույն եղանակով, բայց մեկնաբանման համար արդյունքների, որին մենք ուսումնասիրում միացման ուսումնասիրությունը պատահական փոփոխականների, օգտագործված մեթոդները հարաբերակցության վերլուծության. Վիճակագրական մեթոդները չեն վերացական թեման: Նրանք գտնում կիրառումը կյանքի տարբեր ոլորտներում մարդկային գործունեության:

Գիտական գրականության որոշելու վերոնշյալ մեթոդը գտել լայն օգտագործումը տերմինը գծային ռեգրեսիոն վերլուծության. Մի փոփոխականի X օգտագործել տերմինը regressor կամ predictor եւ կախյալ փոփոխականների, Y-նաեւ կոչվում criterial: Այս տերմինաբանությունը արտացոլում է մաթեմատիկական հարաբերությունները փոփոխականները, բայց ոչ քննչական պատճառական կապի.

Հետադիմություն վերլուծություն է առավել տարածված մեթոդ է, որը օգտագործվում է վերամշակման արդյունքների մի լայն դիտարկումների: Ֆիզիկական եւ կենսաբանական ֆունկցիան ուսումնասիրվել միջոցով այս մեթոդի, այն իրականացվում, եւ տնտեսությունը, եւ արվեստում: Զանգվածային այլ ոլորտներ, օգտագործելով ռեգրեսիոն վերլուծություն մոդելը. Վերլուծություն հակասող, դիզայն փորձերի, վիճակագրական վերլուծության բազմաչափ սերտորեն այս կերպ ուսուցման.