Springen naar inhoud

Lineaire regressie


  • Log in om te kunnen reageren

#1

motionpictures88

    motionpictures88


  • >100 berichten
  • 197 berichten
  • Ervaren gebruiker

Geplaatst op 17 oktober 2010 - 08:10

beste forumbezoekers,

Onderstel een regressiefunctie: LaTeX waarvan we de concrete waarden voor de beta coŽfficiŽnten kennen.

Stel dat we de regressie opnieuw uitvoeren maar nu enkel rekening houden met de verklarende variable LaTeX waardoor we volgende vorm bekomen LaTeX

Wat ik niet begrijp is de redenering achter het feit datLaTeX altijd kleiner is dan LaTeX .
Dit zou iets te maken hebben metLaTeX die nu in de storingsterm zit, maar ik slaag er niet in een volledige redering op te bouwen. Kan er mij iemand hierover wat meer uitleg geven?

Alvast bedankt!

Dit forum kan gratis blijven vanwege banners als deze. Door te registeren zal de onderstaande banner overigens verdwijnen.

#2


  • Gast

Geplaatst op 19 oktober 2010 - 08:49

Het is volgens mij niet helemaal juist wat je zegt, nl. dat de LaTeX . Dat geldt alleen in absolute waarde, en dan nog alleen in vector/matrix notatie.

Het eerste lijkt me duidelijk, als je een puntenwolk hebt die onder de x-as ligt zijn de regressiewaarden alle negatief en tegengesteld aan dezelfde regressie bij een puntenwolk boven de x-as.

Voor het tweede, nl. dat het in de ťťndimensionale situatie niet klopt, zal ik een voorbeeld proberen te verzinnen, even zien wanneer ik tijd heb.

Voor het antwoord op de vraag heb ik mijn statistiekboek nageplozen maar dat stond er niet in. Ik zoek nog even verder.

#3


  • Gast

Geplaatst op 19 oktober 2010 - 15:14

Inmiddels een voorbeeld gevonden: stel van de punten (-3,-2.2), (-1,1) en (1,5.8) wordt een lineair model opgesteld. Via regressie wordt gevonden y=2x+3.533333.
Het residu ziet eruit als een parabool en dus wordt als nieuw model een kwadratisch model berekend, dit wordt

LaTeX

Van de oorspronkelijke regressiefunctie is de lineaire factor 2 vergroot tot 2,4 door het introduceren van de variabele x kwadraat. Volgens mij spreekt dit jouw hypothese tegen. Of zie ik dat verkeerd?





0 gebruiker(s) lezen dit onderwerp

0 leden, 0 bezoekers, 0 anonieme gebruikers

Ook adverteren op onze website? Lees hier meer!

Gesponsorde vacatures

Vacatures