Линейная регрессия - История изменений

Patarakin: /* Диагностика простой линейной регрессии */

2025-10-26T08:08:43Z

Диагностика простой линейной регрессии

← Предыдущая версия		Версия от 11:08, 26 октября 2025
Строка 33:		Строка 33:
	== Диагностика простой линейной регрессии ==		== Диагностика простой линейной регрессии ==
	; [[Diagnostics for Simple Linear Regression]]		; [[Diagnostics for Simple Linear Regression]]

			{{#ask: [[Diagnostics for Simple Linear Regression]] \| ?Description }}

	{{#widget:iframe		{{#widget:iframe

Patarakin: /* Диагностика простой линейной регрессии */

2025-10-26T08:05:19Z

Диагностика простой линейной регрессии

← Предыдущая версия		Версия от 11:05, 26 октября 2025
Строка 32:		Строка 32:

	== Диагностика простой линейной регрессии ==		== Диагностика простой линейной регрессии ==
			; [[Diagnostics for Simple Linear Regression]]

	{{#widget:iframe		{{#widget:iframe
	\|url=https://openintro.shinyapps.io/slr_diag/		\|url=https://openintro.shinyapps.io/slr_diag/

Patarakin: /* Определение */

2025-10-26T07:41:33Z

Определение

← Предыдущая версия		Версия от 10:41, 26 октября 2025
Строка 31:		Строка 31:
	Линейная модель может быть как с константой, так и без константы. Тогда в этом представлении первый фактор либо равен единице, либо является обычным фактором соответственно.		Линейная модель может быть как с константой, так и без константы. Тогда в этом представлении первый фактор либо равен единице, либо является обычным фактором соответственно.

	=== Парная и [[множественная регрессия]] ===		== Диагностика простой линейной регрессии ==
			{{#widget:iframe
			\|url=https://openintro.shinyapps.io/slr_diag/
			\|width=1000
			\|height=800
			}}

			== Парная и [[множественная регрессия]] ==

	В частном случае, когда фактор единственный (без учёта константы), говорят о ''парной'' или ''простейшей'' линейной регрессии:		В частном случае, когда фактор единственный (без учёта константы), говорят о ''парной'' или ''простейшей'' линейной регрессии:

Patarakin: /* Парная и множественная регрессия */

2025-10-08T04:47:47Z

Парная и множественная регрессия

← Предыдущая версия		Версия от 07:47, 8 октября 2025
Строка 31:		Строка 31:
	Линейная модель может быть как с константой, так и без константы. Тогда в этом представлении первый фактор либо равен единице, либо является обычным фактором соответственно.		Линейная модель может быть как с константой, так и без константы. Тогда в этом представлении первый фактор либо равен единице, либо является обычным фактором соответственно.

	=== Парная и множественная регрессия ===		=== Парная и [[множественная регрессия]] ===

	В частном случае, когда фактор единственный (без учёта константы), говорят о ''парной'' или ''простейшей'' линейной регрессии:		В частном случае, когда фактор единственный (без учёта константы), говорят о ''парной'' или ''простейшей'' линейной регрессии:
Строка 40:		Строка 40:

	: <math>Y = b_0 + b_1 x_{i1} + ... + b_j x_{ij} + ... + b_k x_{ik} + e_i</math>		: <math>Y = b_0 + b_1 x_{i1} + ... + b_j x_{ij} + ... + b_k x_{ik} + e_i</math>

			{{#ask: [[множественная регрессия]] \| ?Description }}

Patarakin в 06:22, 5 сентября 2025

2025-09-05T06:22:35Z

← Предыдущая версия		Версия от 09:22, 5 сентября 2025
Строка 1:		Строка 1:
	{{Понятие		{{Понятие
	\|Description=Линейная регрессия (англ. Linear regression) — используемая в статистике регрессионная модель зависимости одной (объясняемой, зависимой) переменной		\|Description=Линейная регрессия (англ. Linear regression) — используемая в статистике регрессионная модель зависимости одной (объясняемой, зависимой) переменной '''y''' от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
	y от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
	Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике. А именно изучены свойства оценок параметров, получаемых различными методами при предположениях о вероятностных характеристиках факторов, и случайных ошибок модели. Предельные (асимптотические) свойства оценок нелинейных моделей также выводятся исходя из аппроксимации последних линейными моделями. С эконометрической точки зрения более важное значение имеет линейность по параметрам, чем линейность по факторам модели.		Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике. А именно изучены свойства оценок параметров, получаемых различными методами при предположениях о вероятностных характеристиках факторов, и случайных ошибок модели. Предельные (асимптотические) свойства оценок нелинейных моделей также выводятся исходя из аппроксимации последних линейными моделями. С эконометрической точки зрения более важное значение имеет линейность по параметрам, чем линейность по факторам модели.
	\|Field_of_knowledge=Информатика, Педагогика, Социология, Образование, Большие данные		\|Field_of_knowledge=Информатика, Педагогика, Социология, Образование, Большие данные

Patarakin: /* Определение */

2025-09-02T06:40:43Z

Определение

← Предыдущая версия		Версия от 09:40, 2 сентября 2025
Строка 10:		Строка 10:
	; Модель линейной регрессии является часто используемой и наиболее изученной в [[эконометрика\|эконометрике]]		; Модель линейной регрессии является часто используемой и наиболее изученной в [[эконометрика\|эконометрике]]

	~~{{#ask: [[эконометрика]] \| ?Description }}~~		; Регрессионная модель

	Регрессионная модель

	: <math>y=f(x,b)+\varepsilon, ~E(\varepsilon)</math>,		: <math>y=f(x,b)+\varepsilon, ~E(\varepsilon)</math>,

Patarakin: /* Определение */

2025-06-30T16:43:44Z

Определение

← Предыдущая версия		Версия от 19:43, 30 июня 2025
Строка 10:		Строка 10:
	; Модель линейной регрессии является часто используемой и наиболее изученной в [[эконометрика\|эконометрике]]		; Модель линейной регрессии является часто используемой и наиболее изученной в [[эконометрика\|эконометрике]]

	{{#ask: [[эконометрика]] \| ?~~Desription~~ }}		{{#ask: [[эконометрика]] \| ?Description }}

	Регрессионная модель		Регрессионная модель

Patarakin: /* Определение */

2025-06-30T16:43:19Z

Определение

← Предыдущая версия		Версия от 19:43, 30 июня 2025
Строка 8:		Строка 8:
	}}		}}
	== Определение ==		== Определение ==
			; Модель линейной регрессии является часто используемой и наиболее изученной в [[эконометрика\|эконометрике]]

			{{#ask: [[эконометрика]] \| ?Desription }}

	Регрессионная модель		Регрессионная модель

Patarakin в 17:33, 10 апреля 2025

2025-04-10T17:33:47Z

← Предыдущая версия		Версия от 20:33, 10 апреля 2025
Строка 3:		Строка 3:
	y от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.		y от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
	Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике. А именно изучены свойства оценок параметров, получаемых различными методами при предположениях о вероятностных характеристиках факторов, и случайных ошибок модели. Предельные (асимптотические) свойства оценок нелинейных моделей также выводятся исходя из аппроксимации последних линейными моделями. С эконометрической точки зрения более важное значение имеет линейность по параметрам, чем линейность по факторам модели.		Модель линейной регрессии является часто используемой и наиболее изученной в эконометрике. А именно изучены свойства оценок параметров, получаемых различными методами при предположениях о вероятностных характеристиках факторов, и случайных ошибок модели. Предельные (асимптотические) свойства оценок нелинейных моделей также выводятся исходя из аппроксимации последних линейными моделями. С эконометрической точки зрения более важное значение имеет линейность по параметрам, чем линейность по факторам модели.
	\|Field_of_knowledge=Социология, Большие данные		\|Field_of_knowledge=Информатика, Педагогика, Социология, Образование, Большие данные
	\|similar_concepts=Регрессия, Предсказательное моделирование		\|similar_concepts=Регрессия, Предсказательное моделирование
			\|Environment=RAWGraphs, R, Snap!, CODAP
	}}		}}
	== Определение ==		== Определение ==

Patarakin: /* Парная и множественная регрессия */

2024-05-23T05:49:02Z

Парная и множественная регрессия

← Предыдущая версия		Версия от 08:49, 23 мая 2024
Строка 36:		Строка 36:
	: <math>y_t=a+b x_t+\varepsilon_t</math>		: <math>y_t=a+b x_t+\varepsilon_t</math>

	Когда количество факторов (без учёта константы) больше одного, то говорят о ''множественной'' регрессии:		Когда количество факторов (без учёта константы) больше одного, то говорят о [[Множественная_регрессия\|множественной регрессии]]:

	: <math>Y = b_0 + b_1 x_{i1} + ... + b_j x_{ij} + ... + b_k x_{ik} + e_i</math>		: <math>Y = b_0 + b_1 x_{i1} + ... + b_j x_{ij} + ... + b_k x_{ik} + e_i</math>