رگرسیون
یک سری ورودی داریم
یک سری خروجی داریم
در رگرسیون دنبال رابطه خطی بین ورودی ها و خروجی ها هستیم
ضرایب رگرسیون را تشخیص بدیم
مدل چیست ؟
چند نوع مدل داریم ؟
مدل : نمایش دهنده بعضی پدیده ها هست
مدل تعیینی : به صورت دقیق ریاضی هست ( مثل : نیرو = شتاب * جرم )
مدل احتمالی : بعضی قسمت های مدل احتمالی تعیینی است + درصدی خطا
که ممکن است این خطا ناشی از اندازه گیری باشد
مدل رگرسیونی : یعنی خطای تصادفی در مساله داریم
مدل رگرسونی که پیدا میکنیم رابطه بین متغیر ها
متغیر های وابسته dependent ( متغیر های پاسخ )(متغیر output)
متغیری است که باید پیش بینی کنیم
مثال : تاثیر تبلیغ در فروش
کاربرد آن برای پیشبینی ( estimation ) است
باید متغیر های مساله را مشخص کنیم
ابتدا فرض میکنیم که رابطه خطی است
انواع رگرسیون :
۱- رگرسیون ساده ( یک متغیر وابسته – یک متغیر مستقل )
۱-۱ رگرسیون ساده خطی
۱-۲ رگرسیون ساده غیر خطی
۲- رگرسیون چند گانه ( بیش از ۲ متغیر مستقل داشته باشیم
صفحه ۲۸ فرمول
در مدل تعیینی
Y(i)=B(0)+B(1)X(i)+e(i)
e خطای تصادفی
X = رگرسور Input
Y = output
۰ beta = عرض از مبدا
beta 1 شیب خط
صفحه ۳۴
در نمونه آماری ما نقطه هایی را در نظر میگیرم و خط را تخمین میزنیم
e(i) خطای
معادله خط را بر آورد کردیم
خطی را که پیدا میکنیم باشد اپسیلون های کمتری داشته باشد
بهترن برازش (خط ) را باید پیدا کنیم
برازشی بهتر است که فاصله بین y و y^ کمترین باشد
خطی خوب است که مجموع مربعات خطا کمترین باشد List Square minimun (SSE)
اگر هیچ هزینه ای برای تبلیغ نکنیم میزان فروش -۰٫۱ می شود
با نرم افزار متلب انجام میدیم
X بار یعنی میانگین
سلام خسته نباشید کتب رو دانلود کردم خلاصه درس هم خوب بود اگه کمکی لازم داشتید منم در خدمتتون هستم
اصلاح میکنم “کتاب رو دانلود کردم”