Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Regresní a korelační analýza
Содержание
- 1. Regresní a korelační analýza
- 2. Regrese a korelace Regrese charakterizuje průběh
- 3. Druhy závislostíPodle počtu kvantitativních znakůzávislost jednoducházávislost vícenásobná
- 4. Druhy závislostíPodle typu regresní funkcelineární závislostnelineární závislostPodle
- 5. Regresní analýza Základní úkoly regresní analýzyzískání statistických odhadů
- 6. Základní modelZákladní model regresní závislosti f (xi)
- 7. Výběr regresní funkceLogické posouzení daného vztahuVycházíme z grafické analýzy datVyužití matematicko-statistický kritérií
- 8. Jednoduchá lineární regrese
- 9. Jednoduchá lineární regrese Model regresní přímky
- 10. Jednoduchá lineární regreseMetoda nejmenších čtverců vychází z
- 11. Jednoduchá lineární regrese Jednostranná závislost – proměnná
- 12. Jednoduchá lineární regrese
- 13. Korelační analýzaKorelace obecně označuje míru stupně (sílu)závislosti
- 14. Pearsonův koeficient korelaceryx = rxy
- 15. Korelační analýza Koeficient determinace r2yx je
- 16. Korelační analýza Proložení regresní přímky korelačním polem
- 17. Spearmanův koeficient pořadí Spearmanův koeficient korelace
- 18. Souhrnný příklad Měření výšky a váhy u
- 19. Скачать презентанцию
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.
Слайды и текст этой презентации
Слайд 2Regrese a korelace
Regrese charakterizuje průběh závislosti mezi kvantitativními
statistickými znaky pomocí matematického modelu (regresní funkce).
míru, intenzitu) statistické závislosti mezi kvantitativními statistickými znaky pomocí koeficientů.
Слайд 4Druhy závislostí
Podle typu regresní funkce
lineární závislost
nelineární závislost
Podle směru změn kvantitat.
znaků
závislost pozitivní (kladná, přímá)
závislost negativní (záporná, nepřímá)
Слайд 5Regresní analýza
Základní úkoly regresní analýzy
získání statistických odhadů neznámých parametrů regresní
funkce na základě výběru
testování hypotéz o těchto parametrech
ověřování předpokladů regresního
modelu
Слайд 6Základní model
Základní model regresní závislosti
f (xi) …je regresní funkce,
ei …jsou náhodné (reziduální) chyby (odchylky)
Слайд 7Výběr regresní funkce
Logické posouzení daného vztahu
Vycházíme z grafické analýzy dat
Využití
matematicko-statistický kritérií
Слайд 9Jednoduchá lineární regrese
Model regresní přímky
yi =
+ xi + ei i = 1,
2, …, nX …….nezávisle proměnná (vysvětlující, regresor)
Y …….závisle proměnná (vysvětlovaná)
, .. neznámé parametry modelu v ZS
ei …… náhodná chyba (reziduum; chyba predikce)
odchylka naměřené hodnoty od hodnoty
předpovídané vyrovnávací křivkou.
Слайд 10Jednoduchá lineární regrese
Metoda nejmenších čtverců vychází z požadavku,
aby součet
čtverců odchylek pozorovaných hodnot
(součet druhých mocnin reziduálních hodnot) byl
minimální.
Слайд 11Jednoduchá 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.).
Слайд 13Korelační analýza
Korelace obecně označuje míru stupně (sílu)
závislosti dvou proměnných X
a Y.
Měření těsnosti (síly) závislosti - spočívá ve
zjištění, jak
těsně se jednotlivé skutečnénapozorované hodnoty přimykají k regresní čáře,
která vystihuje průběh závislosti.
Слайд 14Pearsonův koeficient korelace
ryx = rxy
Platí –1
r +1 dvě náhodné proměnné jsou tím více korelovány,
čím blíže je hodnota korelačního koeficientu číslům +1 nebo –1.
Слайд 15Korelační analýza
Koeficient determinace r2yx je druhou mocninou koeficientu
korelace.
r2 < 10 % těsnost
nízká10 % r2 < 25 % těsnost mírná
25 % r2 < 50 % těsnost význačná
50 % r2 < 80 % těsnost velká
80 % r2 těsnost velmi vysoká
Слайд 17Spearmanův koeficient pořadí
Spearmanův koeficient korelace rs nabývá
hodnot z intervalu (-1 rs 1).
Слайд 18Souhrnný příklad
Měření výšky a váhy u studentů druhého ročníku
oboru PAA (datová matice v moodle)
X – výška;
Y - váhaVytvoříme graf – korelační pole
Vypočítáme rovnici regresní přímky
Určíme sílu závislosti
