Разлика между версии на „Екстраполация“
(Нова страница: ==Екстраполация== [[Image: Image12.gif|thumb|left|alt=Оценка на стойността над определена стойност.|Линейно...) |
|||
| Ред 1: | Ред 1: | ||
| − | == | + | [[Image: Image12.gif|thumb|right|300px|alt=Оценка на стойността над определена стойност.|Линейното уравнение е намирането на ''x ''и '' y'', което показва права линия при оформянето си.]] |
| + | '''Екстраполация е опитът да се използва регресионно уравнение, за да се покажат стойности, намиращи се извън определен диапазон'''. | ||
| + | ==Същност== | ||
| + | В случаите, в които линейният регресионен модел е подходящ за група от данни, обхватът от данни трябва да бъде внимателно наблюдаван. Опитът да се използва регресионно уравнение, за да се покажат стойности, намиращи се извън този диапазон, е неподходящ и в много от случаите дава грешен отговор. Тази практика е известна като екстраполация. | ||
| − | + | Колкото повече стойностите са извън диапазона от стойности, използвани за поставяне на модела, толкова по-рискови за прогнозиране стават те, тъй като няма начин да бъде проверено дали връзката е все още линейна. Например, лицата с 9 кг телесна маса се очаква да имат силата на – 4,9 единици. Този факт е абсурден, но това не изисква преразглеждането на модела, тъй като се основава на чистата маса на тялото в интервала 27-71 кг. | |
==Вижте още== | ==Вижте още== | ||
Текуща версия към 16:00, 25 март 2014
Екстраполация е опитът да се използва регресионно уравнение, за да се покажат стойности, намиращи се извън определен диапазон.
Същност
В случаите, в които линейният регресионен модел е подходящ за група от данни, обхватът от данни трябва да бъде внимателно наблюдаван. Опитът да се използва регресионно уравнение, за да се покажат стойности, намиращи се извън този диапазон, е неподходящ и в много от случаите дава грешен отговор. Тази практика е известна като екстраполация.
Колкото повече стойностите са извън диапазона от стойности, използвани за поставяне на модела, толкова по-рискови за прогнозиране стават те, тъй като няма начин да бъде проверено дали връзката е все още линейна. Например, лицата с 9 кг телесна маса се очаква да имат силата на – 4,9 единици. Този факт е абсурден, но това не изисква преразглеждането на модела, тъй като се основава на чистата маса на тялото в интервала 27-71 кг.
Вижте още
- Дърво на решенията
- Метод на най-малките квадрати
- Регресионен анализ
- Интерполация
- Методи за приблизителна оценка на линейната регресия
Източници
- Берк, Ричард А.:. регресионен анализ конструктивна критика. Sage. DOI : 10.1177/0734016807304871
- Kaw, Autar; Калу, Egwu (2008 г.). "Числени методи с приложения", Глава 6 се занимава с линейна и нелинейна регресия.
- Дрейпър, НП "и Смит, Х. Приложни Анализ Уайли Серия регресия в Вероятности и статистика (1998 г.)
- Pedhazur, Elazar J (1982). Множествена регресия в поведението изследвания Обяснение и прогнозиране (2-ро изд.). Ню Йорк: Холт, Rinehart и Уинстън. ISBN 0-03-041760-0
Външни препратки
- GSL е за изпълнение на най-слабо Обикновени регресия площади алгоритъм (C / C + +). Онлайн уроци и симулатори
- съдържа информация за т-статистика и изходна линейна регресия
- има примери свързани с линейната регресия, както и допълнителни изчисления извършвани след намиране на линейната регресия
- в простата линейна регресия
- Дърво на решенията
- Нелинейна регресия
- Регресионен анализ
- Сегментирана линейна регресия