رگرسیون خطی

تجزیه و تحلیل رگرسیون می توان به روش های آماری از مطالعه و بررسی رابطه بین متغیرهای خاص (وابسته و مستقل) اضافه شده است. "معیار" - در این مورد، متغیرهای مستقل "متغیرهای کمکی" و وابسته نامیده می شود. هنگام انجام یک تحلیل رگرسیون خطی نمایندگی متغیر وابسته به شکل یک مقیاس فاصله. یک احتمال وجود روابط غیر خطی بین متغیرهای مربوط به مقیاس فاصله وجود دارد، اما این مشکل در حال حاضر توسط روش رگرسیون غیر خطی است، که موضوع این مقاله نیست حل شده است.

رگرسیون خطی کاملا موفقیت در محاسبات ریاضی مورد استفاده قرار گرفت، و در مطالعات اقتصادی بر اساس داده های آماری.

بنابراین این یک رگرسیون، بیشتر در نظر بگیرید. از نظر روش ریاضی برای تعیین رابطه خطی بین برخی از متغیرهای رگرسیون خطی می تواند به عنوان یک فرمول با Y = A + BX. برای توضیح این فرمول می تواند در هر کتاب درسی در اقتصاد پیدا شده است.

هنگامی که افزایش تعداد مشاهدات (تا تعداد n ام از بار) به دست آمده توسط رگرسیون خطی ساده، ارائه شده توسط فرمول:

یی = A + BXI + EI،

که در آن EI - مستقل، توزیع یکسان، متغیرهای تصادفی.

در این مقاله من می خواهم به توجه بیشتر به این مفهوم از نقطه نظر پیش بینی قیمت آینده بر اساس داده های قبلی است. در این منطقه، برآورد ما رگرسیون خطی طور فعال با استفاده از روش حداقل مربعات، کمک می کند که به ساخت "مناسب ترین" خط مستقیم از طریق یک تعداد معینی از ارزش از نقاط قیمت. داده های ورودی مورد استفاده توسط نقطه قیمت، به این معنی بالا، پایین، باز و بسته شدن، و به طور متوسط از این ارزش ها (به عنوان مثال، از مجموع حداکثر و حداقل تقسیم بر دو). همچنین، این داده ها قبل از ساخت یک خط مناسب می توان خودسرانه هموار.

همانطور که در بالا ذکر شد، رگرسیون خطی است که اغلب توسط تحلیلگران برای تعیین روند بر اساس قیمت و زمان استفاده می شود. در این مورد، شیب شاخص رگرسیون به عمق تغییرات قیمت در واحد زمان تعیین می کند. یکی از شرایط برای تصمیم گیری درست با استفاده از این شاخص استفاده از سیگنال ژنراتور، به دنبال روند رگرسیون تمایل است. اگر شیب مثبت (افزایش رگرسیون خطی) خرید انجام شده است در صورتی که ارزش شاخص بزرگتر از صفر است. در طول شیب منفی (کاهش رگرسیون) برای فروش باید در مقادیر منفی از شاخص (کمتر از صفر) باشد.

همانطور که در تعیین بهترین خط مربوط به یک تعداد معینی از نقاط قیمت استفاده می شود، روش کمترین مربعات نشان می دهد که الگوریتم زیر:

- بیان کل تفاوت از مربع قیمت ها و خط رگرسیون است.

- نسبت این مبلغ و تعداد میله در طیف وسیعی از اطلاعات سری رگرسیون است.

- پس از نتیجه محاسبه ریشه دوم، که مربوط به انحراف استاندارد.

ساده خطی رگرسیون معادله است مدل:

Y (X) = تابع f (x) ^،

که در آن - ویژگی های مولد متغیر وابسته ارائه شده است؛

X - توضیحی یا متغیر مستقل؛

^ نشان می دهد عدم وجود یک سخت ارتباط عملکردی بین متغیرهای x و y. بنابراین، در هر مورد خاص، Y متغیر ممکن است از چنین شرایط عبارتند از:

Y = YX + ε،

که در آن - داده نتیجه واقعی؛

آه - داده های نتیجه نظری تعیین شده توسط حل معادله رگرسیون ؛

ε - متغیر تصادفی که مشخصه انحراف بین ارزش واقعی و نظری است.