Допускане - Редакционна история

Detelina Staneva в 11:40, 26 февруари 2014

2014-02-26T11:40:04Z

Detelina Staneva: /* Допускане в регресионния анализ */

2014-02-26T11:35:44Z

Допускане в регресионния анализ

Detelina Staneva: /* Вижте още */

2014-02-26T11:34:46Z

Вижте още

Detelina Staneva: /* Вижте още */

2014-02-26T11:34:18Z

Вижте още

Detelina Staneva в 11:32, 26 февруари 2014

2014-02-26T11:32:42Z

Detelina Staneva в 11:31, 26 февруари 2014

2014-02-26T11:31:19Z

Detelina Staneva в 19:39, 13 ноември 2012

2012-11-13T19:39:04Z

Detelina Staneva: /* Източници */

2012-10-22T15:08:53Z

Източници

Detelina Staneva в 00:03, 28 март 2012

2012-03-28T00:03:11Z

Krasimira racheva в 15:26, 25 януари 2012

2012-01-25T15:26:52Z

@@ Ред 1: / Ред 1: @@
 В [[логика]]та '''допускането''' (на англ. assumption) е '''твърдението, което се приема за даденост''', както ако е вярно основано на [[презумпция]]та, без превес на фактите.
-==Концепция==
+==Същност==
 Допусканата отговорност, учение в духовността и в областта на личното развитие, е приела, че всеки човек има съществена или пълна отговорност за събития и обстоятелства, които го сполетяват през живота му.
@@ Ред 12: / Ред 12: @@
 * Във [[вещно право|вещното право]] допускането е [[ипотечeн трансфер|ипотечният трансфер]] от [[продавач]]а на [[купувач]]а.
 * В [[бизнес планиране]]то и [[бизнес план]]овете, допускането е твърдението за някаква характеристика на бъдещето, което е в основата на текущите операции и планове на организацията.
 Допусканията са изходни данни, които се прилагат в бизнеса или във финансов модел. Допусканията често са бизнес шофьори във финансовия модел. Например, в корпоративния модел на разходите, могат да се включат допуснатите данни, като например разходите за възнаграждения, ценови листи, валутните курсове. Обикновено допуснатите данни са организирани в логически групи и се използват като допуснат модел, като например модела на [[разменeн курс|разменния курс]]. Това не само, че дава възможност за по-ефективно актуализиране на допуснатите данни, но и предоставя възможност и на другите модели да използват допуснатите данни по - лесно. Например, за да използват данни, обменен курс, просто връзката Курсове модел поемане на [[финансов модел]], който се нуждае от данни.

@@ Ред 13: / Ред 13: @@
 * В [[бизнес планиране]]то и [[бизнес план]]овете, допускането е твърдението за някаква характеристика на бъдещето, което е в основата на текущите операции и планове на организацията.
 * Допускане (Покер), измислен вид покер, при който се използват [[Таро карти]]. Той се появява в романа ''Последно повикване'' от [[Тим Пауърс]].
 ==Допускане при модел ==

@@ Ред 58: / Ред 58: @@
 ==Вижте още==
+*[[Допускане при регресионен анализ]]
 *[[Прогноза]]
 *[[Етапи на дедуктивния подход за бизнес изследвания]]

@@ Ред 60: / Ред 60: @@
 *[[Прогноза]]
-*[[Финансов резултат]]
+*[[Етапи на дедуктивния подход за бизнес изследвания]]
 *[[Договор]]
 *[[Планиране]]
 *[[Анализ]]

@@ Ред 42: / Ред 42: @@
 Освен тези две допускания, няколко други статистически характеристики на данните силно влияят върху представянето на различните методи за оценяване:
-* Някои методи за приблизителна оценка се основава на липсата на [[корелация]], между n наблюдения [[image:Picture 1|(y_i,\, x_{i1}, \ldots, x_{ip}),\ i=1,\ldots,n]]. Статистическата независимост на наблюденията не е необходима, въпреки че могат да бъдат използвани, ако се знае, че притежават такава.
+* Някои методи за приблизителна оценка се основава на липсата на [[корелация]], между n наблюдения. Статистическата независимост на наблюденията не е необходима, въпреки че могат да бъдат използвани, ако се знае, че притежават такава.
 * Статистическата връзка между грешните условия и регресията играе важна роля при определянето дали една процедура за оценка, е желателна за вземане на проби, като е безпристрастна и последователна.
 * Вариациите на грешните термини могат да бъдат равни на n единици („еднакво [[разсейване]]” или на англ. [[homoscedasticity]]) или да не бъдат („различно [[разсейване]]” или на англ. [[heteroscedasticity]]). Някои методи за оценка на линейната регресия дават по-малко точни резултати при оценката и водят до увеличаване количеството на [[стандартните грешки]], когато е налице различно разсейване или  [[хетероскедастичност]].

← По-стара версия		Версия от 11:31, 26 февруари 2014
Ред 1:		Ред 1:
−	В [[логика]]та '''допускането''' (на англ. [[assumption]]) е '''~~[[твърдение]]то~~, което се приема за даденост''', както ако е вярно основано на [[презумпция]]та, без превес на ~~[[факт]]ите~~.	+	В [[логика]]та '''допускането''' (на англ. assumption) е '''твърдението, което се приема за даденост''', както ако е вярно основано на [[презумпция]]та, без превес на фактите.

	==Концепция==		==Концепция==

@@ Ред 24: / Ред 24: @@
 * Грешките не са свързани помежду си, което означава, че [[вариация]]та-[[ковариация]]та на [[матрица]]та на грешки е [[диагонална матрица|диагонална]] и всеки ненулев [[елемент]] представлява [[отклонение]]то на грешката.
-Това са достатъчни условия за [[метод на най-малките квадрати]] за оценка и по-специално, тези [[допускане|допускания]] предполагат, че оценките на [[параметър]]а ще бъдат безпристрастни, последователни и ефективни в класа на линейните безпристрастни оценки. Важно е да се отбележи, че актуалните [[данни]], рядко отговаря на предположенията. Това означава, че този метод се използва, въпреки че [[предположение|предположенията]] не са верни. Промените в допусканията понякога могат да се използва като мярка за това колко далеч отстои даден модел от това да бъде полезен.
+Това са достатъчни условия за [[метод на най-малките квадрати]] за оценка и по-специално, тези [[допускане|допускания]] предполагат, че оценките на [[параметър]]а ще бъдат безпристрастни, последователни и ефективни в класа на линейните безпристрастни оценки. Важно е да се отбележи, че актуалните [[анализ на данните|данни]], рядко отговаря на предположенията. Това означава, че този метод се използва, въпреки че [[предположение|предположенията]] не са верни. Промените в допусканията понякога могат да се използва като мярка за това колко далеч отстои даден модел от това да бъде полезен.
 Допусканията включват геометрична подкрепа на променливите необходимо изясняване (Cressie, 1996). Независимите и зависими променливи често се отнасят до [[стойност]]ите, измерени в точките на установяване на местоположението. Възможно е да има пространствени [[тенденция|тенденции]] и пространствени [[автокорелация|автокорелации]] на променливите, които нарушават статистическите предположения на [[регресия]]та.

@@ Ред 73: / Ред 73: @@
 * Kaw, Autar; Kalu, Egwu (2008). "Numerical Methods with Applications".
 * Cohen, J., Cohen P., West, S.G., & Aiken, L.S. (2003). ''Applied multiple regression/correlation analysis for the behavioral sciences.'' (2nd ed.) Hillsdale, NJ: Lawrence Erlbaum Associates
-* [[Lindley, D.V.]] (1987). "Regression and correlation analysis,"
+* Lindley, D.V. (1987). "Regression and correlation analysis,"
 * Chatfield, C. (1993) "Calculating Interval Forecasts," ''Journal of Business and Economic Statistics''

@@ Ред 1: / Ред 1: @@
-В [[логика]]та '''допускането''' (на англ. [[assumption]]) е [[твърдение]]то, което се приема за даденост, както ако е вярно основано на [[презумпция]]та, без превес на [[факт]]ите.
+В [[логика]]та '''допускането''' (на англ. [[assumption]]) е '''[[твърдение]]то, което се приема за даденост''', както ако е вярно основано на [[презумпция]]та, без превес на [[факт]]ите.
 ==Концепция==
 Допусканата отговорност, учение в духовността и в областта на личното развитие, е приела, че всеки човек има съществена или пълна отговорност за събития и обстоятелства, които го сполетяват през живота му.
 Допускането може да се отнася и до:
@@ Ред 15: / Ред 13: @@
 * В [[бизнес планиране]]то и [[бизнес план]]овете, допускането е твърдението за някаква характеристика на бъдещето, което е в основата на текущите операции и планове на организацията.
 * Допускане (Покер), измислен вид покер, при който се използват [[Таро карти]]. Той се появява в романа ''Последно повикване'' от [[Тим Пауърс]].
 ==Допускане в регресионния анализ==
 ===Класическите допускания за регресионния анализ включват:===
@@ Ред 29: / Ред 23: @@
 * Прогнозите са линейно независими, т.е. не е възможно да се изразят всички прогнози като [[линейна комбинация]] на останалите. Вижте [[мултиколинеарност]] (на англ.[[Multicollinearity]]).
 * Грешките не са свързани помежду си, което означава, че [[вариация]]та-[[ковариация]]та на [[матрица]]та на грешки е [[диагонална матрица|диагонална]] и всеки ненулев [[елемент]] представлява [[отклонение]]то на грешката.
 Това са достатъчни условия за [[метод на най-малките квадрати]] за оценка и по-специално, тези [[допускане|допускания]] предполагат, че оценките на [[параметър]]а ще бъдат безпристрастни, последователни и ефективни в класа на линейните безпристрастни оценки. Важно е да се отбележи, че актуалните [[данни]], рядко отговаря на предположенията. Това означава, че този метод се използва, въпреки че [[предположение|предположенията]] не са верни. Промените в допусканията понякога могат да се използва като мярка за това колко далеч отстои даден модел от това да бъде полезен.
@@ Ред 37: / Ред 29: @@
 ===Допускане в линейния регресионен анализ===
 * В линейният регресионен анализ съществуват две основни допускания , които са общи за всички методи за приблизителна оценка.
@@ Ред 46: / Ред 37: @@
 Просто твърдение е, че трябва да има достатъчно налични данни в сравнение с броя на параметри, които ще бъдат прогнозирани. Ако има твърде малко данни [[система]]та от уравнения ще има само едно [[решение]]. Вижте най-малките квадрати частична регресия.
 * Регресорите xi се предполага, че работят без грешка. Това е така, защото те не са „заразени” с измерените грешки. Въпреки че не е реалистично, допускането  на това предположение води до значително по-трудни грешки-в-променливите модели (на англ. [[errors-in-variables models]]).
 Освен тези две допускания, няколко други статистически характеристики на данните силно влияят върху представянето на различните методи за оценяване:
 * Някои методи за приблизителна оценка се основава на липсата на [[корелация]], между n наблюдения [[image:Picture 1|(y_i,\, x_{i1}, \ldots, x_{ip}),\ i=1,\ldots,n]]. Статистическата независимост на наблюденията не е необходима, въпреки че могат да бъдат използвани, ако се знае, че притежават такава.
@@ Ред 58: / Ред 46: @@
 * Вариациите на грешните термини могат да бъдат равни на n единици („еднакво [[разсейване]]” или на англ. [[homoscedasticity]]) или да не бъдат („различно [[разсейване]]” или на англ. [[heteroscedasticity]]). Някои методи за оценка на линейната регресия дават по-малко точни резултати при оценката и водят до увеличаване количеството на [[стандартните грешки]], когато е налице различно разсейване или  [[хетероскедастичност]].
 * Режимът, или [[вероятност]]ното разпределение на независимите променливи х оказва голямо влияние върху точността на прогнозите на β. [[Пробител]]ите и [[модел]]ите на [[експеримент]]ите са силно развити подполета на статистическите данни, които дават насоки за събиране на данните по такъв начин, че да се постигне прецизна оценка на β.
 ==Допускане при модел ==
@@ Ред 70: / Ред 57: @@
 Глобалните допускания трябва да бъдат споделени и да се предоставят за ползване в определеното за модела място. Въпреки това допуснатите модели могат да се редактират само в местата, където са създадени.
+*[[Прогноза]]
+*[[Финансов резултат]]
-==Външни препратки==
+*[[Договор]]
+*[[Отношение]]
-[http://www.alglib.net/dataanalysis/linearregression.php Линейна регресия]
+*[[Абстракция]]
+*[[Планиране]]
-[http://www.ruf.rice.edu/~lane/stat_sim/reg_by_eye/ Онлайн симулации]
+*[[Анализ]]
 ==Източници==
@@ Ред 95: / Ред 76: @@
 * Chatfield, C. (1993) "Calculating Interval Forecasts," ''Journal of Business and Economic Statistics''
-[[category:Управленски решения и риск|Методи за изследване в бизнеса|Управление на операциите]]
+==Външни препратки==