Презентация на тему: Regresní a korelační analýza

Реклама. Продолжение ниже
Regresní a korelační analýza
Regrese a korelace
Druhy závislostí
Druhy závislostí
Regresní analýza
Základní model
Výběr regresní funkce
Jednoduchá lineární regrese
Jednoduchá lineární regrese
Jednoduchá lineární regrese
Jednoduchá lineární regrese
Jednoduchá lineární regrese
Korelační analýza
Pearsonův koeficient korelace
Korelační analýza
Korelační analýza
Spearmanův koeficient pořadí
Souhrnný příklad
1/18
Средняя оценка: 4.9/5 (всего оценок: 45)
Код скопирован в буфер обмена
Скачать (155 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации: Regresní a korelační analýza

Изображение слайда
1/1
2

Слайд 2: Regrese a korelace

Regrese charakterizuje průběh závislosti mezi kvantitativními statistickými znaky pomocí matematického modelu (regresní funkce). Korelace měří těsnost (sílu, míru, intenzitu) statistické závislosti mezi kvantitativními statistickými znaky pomocí koeficientů.

Изображение слайда
1/1
3

Слайд 3: Druhy závislostí

Podle počtu kvantitativních znaků závislost jednoduchá závislost vícenásobná

Изображение слайда
1/1
4

Слайд 4: Druhy závislostí

Podle typu regresní funkce lineární závislost nelineární závislost Podle směru změn kvantitat. znaků závislost pozitivní (kladná, přímá ) závislost negativní (záporná, nepřímá )

Изображение слайда
1/1
5

Слайд 5: Regresní analýza

Základní úkoly regresní analýzy získání statistických odhadů neznámých parametrů regresní funkce na základě výběru testování hypotéz o těchto parametrech ověřování předpokladů regresního modelu

Изображение слайда
1/1
6

Слайд 6: Základní model

Základní model regresní závislosti f ( x i ) …je regresní funkce, e i …jsou náhodné (reziduální ) chyby (odchylky)

Изображение слайда
1/1
7

Слайд 7: Výběr regresní funkce

Logické posouzení daného vztahu Vycházíme z grafické analýzy dat Využití matematicko-statistický kritérií

Изображение слайда
1/1
Реклама. Продолжение ниже
8

Слайд 8: Jednoduchá lineární regrese

Изображение слайда
1/1
9

Слайд 9: Jednoduchá lineární regrese

Model regresní přímky y i =  + x i + e i i = 1, 2, …, n X …….nezávisle proměnná (vysvětlující, regresor ) Y …….závisle proměnná (vysvětlovaná) , .. neznámé parametry modelu v ZS e i …… náhodná chyba (reziduum; chyba predikce) odchylka naměřené hodnoty od hodnoty předpovídané vyrovnávací křivkou.

Изображение слайда
1/1
10

Слайд 10: Jednoduchá lineární regrese

Metoda nejmenších čtverců vychází z požadavku, aby součet čtverců odchylek pozorovaných hodnot (součet druhých mocnin reziduálních hodnot) byl minimální.

Изображение слайда
1/1
11

Слайд 11: Jednoduchá lineární regrese

Jednostranná závislost – proměnná X je nezávisle proměnná a Y pak závisle proměnná. … absolutní člen ... regresní koeficient … vyrovnaná (teoretická) hodnota vysvětlované prom. Oboustranná závislost – nelze rozhodnout, která proměnná je závislá a která nezávislá (sdružené fce.).

Изображение слайда
1/1
12

Слайд 12: Jednoduchá lineární regrese

Изображение слайда
Изображение для работы со слайдом
1/2
13

Слайд 13: Korelační analýza

Korelace obecně označuje míru stupně ( sílu) závislosti dvou proměnných X a Y. Měření těsnosti ( síly) závislosti - spočívá ve zjištění, jak těsně se jednotlivé skutečné napozorované hodnoty přimykají k regresní čáře, která vystihuje průběh závislosti.

Изображение слайда
1/1
14

Слайд 14: Pearsonův koeficient korelace

r yx = r xy Platí  –1  r  +1 d vě náhodné proměnné jsou tím více korelovány, čím blíže je hodnota korelačního koeficientu číslům +1 nebo –1.

Изображение слайда
1/1
Реклама. Продолжение ниже
15

Слайд 15: Korelační analýza

Koeficient determinace r 2 yx je druhou mocninou koeficientu korelace. r 2 < 10 % těsnost nízká 10 %  r 2 < 25 % těsnost mírná 25 %  r 2 < 50 % těsnost význačná 50 %  r 2 < 80 % těsnost velká 80 %  r 2 těsnost velmi vysoká

Изображение слайда
1/1
16

Слайд 16: Korelační analýza

Proložení regresní přímky korelačním polem

Изображение слайда
Изображение для работы со слайдом
1/2
17

Слайд 17: Spearmanův koeficient pořadí

Spearmanův koeficient korelace r s nabývá hodnot z intervalu (-1  r s  1).

Изображение слайда
1/1
18

Последний слайд презентации: Regresní a korelační analýza: Souhrnný příklad

Měření výšky a váhy u studentů druhého ročníku oboru PAA (datová matice v moodle ) X – výška; Y - váha Vytvoříme graf – korelační pole Vypočítáme rovnici regresní přímky Určíme sílu závislosti

Изображение слайда
1/1
Реклама. Продолжение ниже