Согр Сный Сносный Сноси Снос Снег Снг Сирый Сиренный Сион Синеный Син Сиерр Сиг Серый Серсо Серо Серный Серир Серин Серийно Сериесный Сергий Сергей Сенсорный Сенсор Сенон Сено Сенный Сенной Сени Сейнер Сгонный Сгон Рысий Росс Росный Рон Рой Роение Рог Рисс Рис Рио Ринг Рин Рессорный Ренонс Рено Ренин Рений Рение Рейс Рейн Рей Регрессный Регрессионный Регресс Регион Регин Оссеин Осиный Осенний Осенин Орс Орн Орг Онер Онегин Ныне Ный Нсый Нос Норный Ной Нигер Несырой Несерный Нерон Нерин Нереис Нер Неон Неоген Нейрон Нейро Нейрин Негр Негерой Йог Ирон Ионный Ион Иерей Игорный Иго Ессей Сон Есенин Енисей Сонг Сонин Ение Егор Гросс Грин Гос Сонный Сор Горный Горний Сорный Сосенный Горн Гори Горение Горе Гор Гонный Гонение Соснин Сыр Гнейс Гессен Гесс Герр Генри Генный Генин Гений Сысой Гейне Ген Гереро Героин Герой Сырой Гноение Гной Сыро Гон Сын... смотреть
прилаг.геол., мат., физ.регресійний
Начальная форма - Регрессионный, винительный падеж, единственное число, мужской род, неодушевленное
回归的回应的
матем., физ. реґресі́йний
рэгрэсiйны
рэгрэсiйны
analisi di regressione
аналитическое выражение связи, в котором изменение одной величины - результативного признака - обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения.... смотреть
статистический метод нахождения связи между зависимой переменной и выбранными независимыми переменными. Если используется только одна независимая переменная, то этот метод называется простой регрессией. Если используется больше одной независимой переменной, то метод называется множественной регрессией.... смотреть
статистическая процедура для математического расчета среднего значения соотношения между одной зависимой переменной (например, объемом продаж) и одной или несколькими независимыми переменными (например, ценой и расходами на рекламу). ... смотреть
análisis de regresión стат.
Regressionsanalyse, Regressionsrechnung
Regressionsanalyse
(от лат. regressio — движение назад, греч. analysis — разложение) — метод математической статистики, позволяющий изучать зависимость среднего значения какой-либо случайной величины от вариации одной или нескольких других величин (в последнем случае речь идет о множественном Р. а.). Процедура Р. а. сводится к следующему. Пусть есть основания полагать, что изучаемые случайные величины х и у связаны некоторым соотношением. Тогда задача его описания распадается на установление общего вида зависимости и вычисление оценок его параметров. Стандартных методов выбора общего вида кривой не существует: необходимо сочетать визуальный анализ корреляционного поля с качественным анализом природы переменных. Причем последний должен иметь немалый удельный вес, т. к. зачастую получается такое распределение экспериментальных точек в корреляционном поле, что оно статистически согласуется с несколькими резко отличающимися друг от друга кривыми, и только априорные знания материала могут решать, какая из них более адекватна. Степень адекватности оценивается обычно методом наименьших квадратов. Методы оценок параметров разработаны для линейных и параболических зависимостей, поэтому они наиболее часто применяются на практике. В случае, когда вид зависимости существенно отличается от параболического, удобно перейти к новым координатам, преобразующим зависимость к линейному или хотя бы параболическому виду. Для этого используются специальные формулы для оценки статистической адекватности линейного или параболического приближения.... смотреть
метод математической статистики, исследующий регрессионные зависимости. Цель р.а. состоит в определении общего вида уравнения регрессии, построения оценок независимых параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии.... смотреть
1. Вообще — любое статистическое применив регрессии (2) для того, чтобы анализировать данные. 2. Несколько более ограниченный способ употребления — применение качественных характеристик одной переменной для того, чтобы делать количественные предсказания в отношении другой переменной.... смотреть
статистический метод установления зависимости между независимыми и зависимыми переменными. Регрессионный анализ на основе построенного уравнения регрессии определяет вклад каждой независимой переменной в изменение изучаемой (прогнозируемой) зависимой переменной величины. Выделяют два вида регрессионного анализа парный регрессионный анализ и анализ на основе множественной регрессии.... смотреть
Статистический метод, используемый для установления соотношений между зависимой переменной, такой, как объем продаж компании, и одной или более независимыми переменными, такими, как число создаваемых семей, совокупный национальный продукт (gross national product), доход на душу населения и иные экономические показатели (economic indicators). Измеряя величину и вес каждой независимой переменной в течение прошедшего периода по отношению к зависимой переменной, можно спрогнозировать будущую оценку зависимой переменной, В целом, регрессионный анализ представляет собой попытку измерить плотность корреляции между зависимыми и независимыми переменными, таким образом, определяя их прогнозируемое значение. Например, производитель детского питания хочет определить соотношение объема продаж и числа новых семей для составления прогноза объемов продаж. Используя метод, называемый графом рассеяния (scattergraph), надо нанести на оси X и К объемы продаж за 10 лет и число ежегодно создаваемых новых семей за тот же период. Линия, соединяющая средние точки регрессионная линия, показывает плотность корреляции между двумя факторами, указывая объем необъясненного отклонения, представленный точками, выходящими за пределы линии. Если регрессионная линия соединяет все точки, что говорит о прямой взаимозависимости между объемом продаж детского питания и числом создаваемых семей, то это означает, что один показатель может быть спрогнозирован на основе другого. Часть точек, рассеянных за пределами регрессионной линии, указывает, напротив, на то, что соотношение было менее прямым, а довольно высокая доля необъясненных отклонений означает, что не существует значимого соотношения между этими величинами, те в данном случае число новых семей не оказывает сколько-нибудь предсказуемого влияния на объем продаж детского питания. Доля необъясненных отклонений называется коэффициентом определенности (coefficient of determination), а его квадратный корень коэффициентом корреляции (correlation coefficient). Коэффициент корреляции является основным показателем регрессионного анализа. Коэффициент корреляции, равный 1, означает наличие прямого соотношения объем продаж детского питания и число создаваемых семей начинают изменяться вместе; 1 означает, что существует отрицательное соотношение: чем больше создается новых семей, тем меньше продается детского питания; коэффициент, равный нулю, означает, что между этими двумя факторами взаимоотношения не существует. Регрессионный анализ также используется при анализе рынков ценных бумаг и анализе риска и прибыли, составляющих основу теории портфельных вложений (portfolio theory).... смотреть
Статистический метод, который может быть использован для оценки отношений между переменными.
РЕГРЕССИОННЫЙ АНАЛИЗ, раздел математической статистики, объединяющий практич. методы исследования регрессионной зависимости между величинами по стати... смотреть
- раздел математической статистики, объединяющийпрактические методы исследования регрессионной зависимости величин постатистическим данным. См. Регрессия.... смотреть
Regressionsanalyse
стат. regression analysis
regression analysis
regression analysis
(напр. при контроле качества) regression analysis
regression analysis
Регрессионный анализ - математический анализ зависимости между средней статистической величиной и другими величинами или факторами, напр, между средн... смотреть
. см. АНАЛИЗ РЕГРЕССИОННЫЙ. Antinazi.Энциклопедия социологии,2009
раздел матем. статистики, объединяющий практич. методы исследования регрессионной зависимости величин по статистич. данным. См. Регрессия.
regression analysis
regression analysis
РЕГРЕССИОННЫЙ АНАЛИЗ - раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости величин по статистическим данным. См. Регрессия.<br>... смотреть
РЕГРЕССИОННЫЙ АНАЛИЗ, раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости величин по статистическим данным. См. Регрессия.... смотреть
реґресі́йний ана́ліз
- раздел математич. статистики, объединяющий практич. методы исследования регрессионной зависимости между величинами по статистич. данным (см. Регр... смотреть
- раздел матем. статистики, посвящённый методам анализа зависимости одной физ. величины Y от другой - х. Пусть в точках х п независимой переме... смотреть
раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости между величинами по статистическим да... смотреть
РЕГРЕССИОННЫЙ АНАЛИЗ , раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости величин по статистическим данным. См. Регрессия.... смотреть
РЕГРЕССИОННЫЙ АНАЛИЗ, раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости величин по статистическим данным. См. Регрессия.<br><br><br>... смотреть
REGRESSION AND CORRELATION ANALYSIS Р.а. представляет собой вычисления на основе статистической информации с целью математической оценки усредненной связи между зависимой переменной и некоторой независимой переменной или переменными. Простая регрессия предполагает одну независимую переменную, множественная же регрессия предполагает две и более переменных. К.а. проводится для описания таких связейР.а. широко используется для прогнозирования продаж отдельных видов продукции, а также для прогнозирования доходов и др. фин. показателей. Требования по предоставлению необходимой информации могут отличаться, но месячные или квартальные данные на протяжении нескольких лет могут служить основой для выявления существенных зависимостей. С точки зрения математика, необходимо иметь как минимум на два результата наблюдений больше, нежели число имеющихся показателей независимых переменных. Р.а. обычно весьма эффективен при краткосрочных и среднесрочных аналитических исследованиях. Он считается весьма хорошим средством определения узловых точек при анализе взаимосвязей фин. показателей.Р.а. описывает или оценивает величину какой-либо переменной (зависимой переменной на основе изменения одной или более др. переменных - независимых или каузальных). Если менеджер по продажам желает спрогнозировать объем продаж автомобилей на следующий год (зависимая переменная), исходя из располагаемого дохода, то Р.а. может быть использован при попытке предсказания или оценки величины зависимой переменной (продаж автомобилей).По следующей формуле рассчитывается простая линейная регрессия:y = a + bx,где:y - зависимая переменная;x - независимая переменная;a - постоянная величина или точка пересечения постоянной линии регрессии переменной y, отражающая величину y при b = 0;b - наклон линии регрессии (коэффициент пропорциональности изменений y при изменении x).Для нахождения оптимального прохождения линии на графике регрессионного управления используется метод наименьших квадратов. Этот метод позволяет расположить линию регрессии между точками, отражающими величины отдельных наблюдений т. о., что возведенная в квадрат сумма разницы, взятая по вертикали между значением линии регрессии и значением отдельного наблюдения, минимальна.Для того чтобы проиллюстрировать нахождение линии регрессии, возьмем следующие данные, характеризующие объем продаж и заработной платы продавцов.Заработная плата (в сотнях долларов) Продажи (в тыс.) x y xy x2 y2 11 14 154 121 196 17 18 306 289 324Данные по десяти дополнительным наблюдениям опускаются.Итого: 174 225 3,414 2,792 4,359Линия регрессии y = a + bx определяется следующими двумя стандартными уравнениями:Sy = na + b(Sx),Sxy = a(Sx) + b(Sx2),где:n - число наблюдений (в данном случае 12);x - заработная плата (измеритель та (измеритель объема);y - продажи;S - сумма по переменным.Решение уравнения дает следующие результаты:a = 10,5836,b = 0,5632.Линия регрессии описывается как:y = 10,5836 + 0,5632(x).Если заработная плата равна 10 дол., то прогнозные продажи составят 16,2156 дол.:y = 10,5836 + 0,5631(10),y = 16,2156.Преимуществом анализа с помощью метода наименьших квадратов является то, что может быть проведен К.а., к-рый позволяет количественно измерить, насколько соответствует линия регрессии отдельным точкам, фиксирующим данные наблюдений. Набор различных статистических данных может быть использован для характеристики точности и надежности результатов Р.а., в особенности коэффициент корреляции (r) и его квадрат - коэффициент детерминации (r2).Коэффициент корреляции рассчитывается для измерения степени взаимосвязи между двумя переменными, в данном случае между заработной платой и продажами. К.а. - это анализ наличия линейных связей между переменными. Если изменение переменных происходит в одном направлении, то имеет место прямая зависимость (положительная корреляция), как это показано на прилагаемом графике 1. Если изменение переменных происходит в противоположных направлениях, то имеет место обратная зависимость (отрицательная корреляция). Если зависимость незначительна или отсутствует, то представленные данные имеют широкое рассеивание и не взаимосвязаны.Степень и направление корреляции измеряются от -1 до 1. Знак обозначает, является связь прямой или обратной. Коэффициент корреляции рассчитывается следующим образом:Среднее квадратическое отклонение, определяемое уравнением регрессииПолное среднее квадратическое отклонение по всей совокупностиЕсли данные по всем наблюдениям, отраженные на графике, выстраиваются в прямую линию, то все случаи отклонений считаются объяснимыми и коэффициент корреляции должен составить 1 или -1. При отсутствии корреляции ее коэффициент равен 0 (см. прилагаемые графики).При определении значимости величины корреляции необходимо произвести расчет, характеризующий возможность сохранения этой величины корреляции при проведении случайной выборки из генеральной совокупности, в к-рой корреляция отсутствовала.Коэффициент детерминации представляет ту долю дисперсии величины y, зависимость изменений к-рой выявлена регрессионным уравнением. Его величина колеблется от 0 до 1. Напр., если зависимость объема продаж от заработной платы продавцов характеризуется r2 = 0,61, то 61% общей дисперсии (разброса) объема продаж отслеживается регрессионным уравнением (или связано с изменением фонда оплаты труда), а 39% зависит от действия др. факторов (таких, как цены, доходность). Такой недостаточно высокий коэффициент детерминации говорит о том, что заработная плата продавцов не является достаточно надежным критерием оценки объема продаж.Почти каждый статистический комплект программного обеспечения имеет стандартную программу определения линии регрессии.См. АНАЛИЗ СТАТИСТИЧЕСКИЙ.... смотреть
REGRESSION AND CORRELATION ANALYSIS Р.а. представляет собой вычисления на основе статистической информации с целью математической оценки усредненной связи между зависимой переменной и некоторой независимой переменной или переменными. Простая регрессия предполагает одну независимую переменную, множественная же регрессия предполагает две и более переменных. К.а. проводится для описания таких связейР.а. широко используется для прогнозирования продаж отдельных видов продукции, а также для прогнозирования доходов и др. фин. показателей. Требования по предоставлению необходимой информации могут отличаться, но месячные или квартальные данные на протяжении нескольких лет могут служить основой для выявления существенных зависимостей. С точки зрения математика, необходимо иметь как минимум на два результата наблюдений больше, нежели число имеющихся показателей независимых переменных. Р.а. обычно весьма эффективен при краткосрочных и среднесрочных аналитических исследованиях. Он считается весьма хорошим средством определения узловых точек при анализе взаимосвязей фин. показателей.Р.а. описывает или оценивает величину какой-либо переменной (зависимой переменной на основе изменения одной или более др. переменных независимых или каузальных). Если менеджер по продажам желает спрогнозировать объем продаж автомобилей на следующий год (зависимая переменная), исходя из располагаемого дохода, то Р.а. может быть использован при попытке предсказания или оценки величины зависимой переменной (продаж автомобилей).По следующей формуле рассчитывается простая линейная регрессия: y = a bx,где:y зависимая переменная;x независимая переменная;a постоянная величина или точка пересечения постоянной линии регрессии переменной y, отражающая величину y при b = 0;b наклон линии регрессии (коэффициент пропорциональности изменений y при изменении x).Для нахождения оптимального прохождения линии на графике регрессионного управления используется метод наименьших квадратов. Этот метод позволяет расположить линию регрессии между точками, отражающими величины отдельных наблюдений т. о., что возведенная в квадрат сумма разницы, взятая по вертикали между значением линии регрессии и значением отдельного наблюдения, минимальна.Для того чтобы проиллюстрировать нахождение линии регрессии, возьмем следующие данные, характеризующие объем продаж и заработной платы продавцов.Заработная плата (в сотнях долларов)Продажи (в тыс.)xyxyx2y211141541211961718306289324Данные по десяти дополнительным наблюдениям опускаются.Итого: 1742253,4142,7924,359Линия регрессии y = a bx определяется следующими двумя стандартными уравнениями:Sy = na b(Sx),Sxy = a(Sx) b(Sx2),где:n число наблюдений (в данном случае 12);x заработная плата (измеритель та (измеритель объема);y продажи;S сумма по переменным.Решение уравнения дает следующие результаты:a = 10,5836,b = 0,5632.Линия регрессии описывается как:y = 10,5836 0,5632(x).Если заработная плата равна 10 дол., то прогнозные продажи составят 16,2156 дол.:y = 10,5836 0,5631(10),y = 16,2156.Преимуществом анализа с помощью метода наименьших квадратов является то, что может быть проведен К.а., к-рый позволяет количественно измерить, насколько соответствует линия регрессии отдельным точкам, фиксирующим данные наблюдений. Набор различных статистических данных может быть использован для характеристики точности и надежности результатов Р.а., в особенности коэффициент корреляции (r) и его квадрат коэффициент детерминации (r2).Коэффициент корреляции рассчитывается для измерения степени взаимосвязи между двумя переменными, в данном случае между заработной платой и продажами. К.а. это анализ наличия линейных связей между переменными. Если изменение переменных происходит в одном направлении, то имеет место прямая зависимость (положительная корреляция), как это показано на прилагаемом графике 1. Если изменение переменных происходит в противоположных направлениях, то имеет место обратная зависимость (отрицательная корреляция). Если зависимость незначительна или отсутствует, то представленные данные имеют широкое рассеивание и не взаимосвязаны.Степень и направление корреляции измеряются от -1 до 1. Знак обозначает, является связь прямой или обратной. Коэффициент корреляции рассчитывается следующим образом:Среднее квадратическое отклонение, определяемое уравнением регрессииПолное среднее квадратическое отклонение по всей совокупностиЕсли данные по всем наблюдениям, отраженные на графике, выстраиваются в прямую линию, то все случаи отклонений считаются объяснимыми и коэффициент корреляции должен составить 1 или -1. При отсутствии корреляции ее коэффициент равен 0 (см. прилагаемые графики).При определении значимости величины корреляции необходимо произвести расчет, характеризующий возможность сохранения этой величины корреляции при проведении случайной выборки из генеральной совокупности, в к-рой корреляция отсутствовала.Коэффициент детерминации представляет ту долю дисперсии величины y, зависимость изменений к-рой выявлена регрессионным уравнением. Его величина колеблется от 0 до 1. Напр., если зависимость объема продаж от заработной платы продавцов характеризуется r2 = 0,61, то 61% общей дисперсии (разброса) объема продаж отслеживается регрессионным уравнением (или связано с изменением фонда оплаты труда), а 39% зависит от действия др. факторов (таких, как цены, доходность). Такой недостаточно высокий коэффициент детерминации говорит о том, что заработная плата продавцов не является достаточно надежным критерием оценки объема продаж.Почти каждый статистический комплект программного обеспечения имеет стандартную программу определения линии регрессии.См. АНАЛИЗ СТАТИСТИЧЕСКИЙ.... смотреть
Regressionsmethode
Regressionsprognose