The коефициент на определяне което е известно още като r2, е термин, използван в статистиката, чиято основна функция е да предскаже резултата от хипотезите. Това е от съществено значение при всяко изследване с научни основи и приложенията му могат да имат широк, диапазон като в икономиката, проучване на пазара или за определяне на успеха на някои продукт.
Има няколко определения за този добре познат инструмент, които не всички съвпадат, така че е така Важно е да знаете всеки един от тях, като тези, които са свързани с регресията линейна.
Реклами
В тази статия ще намерите:
Определяне на коефициент на определяне
Той ли е квадрат на корелация което измерва коя част е обяснена в определен вариант като част от вариация, това означава коя една може да се предвиди чрез вариацията на другата.
Как се изчислява коефициентът на определяне?
Статистическите модели са предназначени да тестват или обясняват някои случайни променливи, това се прави чрез други случайни променливи, които са известни като фактори. Тъй като променливата, считана за случайна, може да се предвиди чрез нейната мярка и това за този случай дисперсия ще бъде същата средна квадратна грешка, максималната средна квадратна грешка, която може да бъде приета, е отклонение.
Реклами
Резултатът може да варира между 0 и 1, това означава, че колкото по-близо е един, той ще бъде по-адаптиран към променливата, която се опитвате да тествате, докато че в обратния случай, т.е. колкото по-близо е до 0, толкова по-малко надеждно ще бъде от модел.
Как се изразява коефициентът на определяне?
Тук можете да видите дроб, в който числителят се изразява, както следва:
Реклами
Тук може да се види, че в израза на дисперсията Y е заобиколен, което означава, че това е оценката на модела, това не е реалната стойност на Y, а оценка. Друга разлика по отношение на този израз на дисперсията е, че той не се дели на T, тъй като знаменателят също би го изразил, след което и двете се елиминират, така че по този начин израз.
По отношение на знаменателя наблюдаваме, че единствената разлика с дисперсията, която може да се забележи, е, че той не е разделен на T или N
Реклами
Приложения на коефициента на определяне
Има много помощни програми, които тази формула има, например, в случай на изпробване на броя точки, които футболист вкара или баскетбол по отношение на броя игри, които играе, въз основа на предположението, че колкото повече мачове, толкова повече точки ще бъдат коментиран. Нека вземем предвид 8 игри.
Графиката ще показва наклонена линия с положителна връзка, тъй като, както се очакваше, колкото повече изиграни игри, толкова повече точки бяха анотирано, тази графика ще покаже резултат над нулата, което, както споменахме по-горе, ще докаже, че е коригирано към променливата истински.
Реклами
Защо възниква монтираният квадрат R?
Какво се случва с R квадрат и причината, поради която е даден коригираният R-квадрат, е свързана с факта, че не наказва включването по отношение на незначителни обяснителни променливи, това означава че, ако например към модела се добавят 5 обяснителни променливи, които нямат голямо отношение към резултата, който този определен играч е вкарал, R на квадрат ще бъде по-висок или ще нарастне.
R на квадрат монтиран
Това е мярка, която установява процента, обяснен с дисперсията на регресията по отношение на дисперсията на обясняваната променлива. Можете да видите, че е същото като при R на квадрат, но с малката разлика, че наказва включването на променливи.
R на квадрат винаги се увеличава, въпреки че променливите, включени в споменатия модел, не са наистина релевантни. За да се реши този проблем се прилага, че:
В това уравнение N се нарича размер на извадката, а K съответства на обяснителните променливи. От гледна точка на математическото приспадане при стойности над k, коригираният R-квадрат ще бъде по-далеч от общия R-квадрат.
Други функции на коефициента на определяне
Не само е полезно да се обясни или по-скоро да се измери обяснителната способност на даден модел, но в същото време позволява да се избере кой от няколко модела е най-подходящ. Това означава, че моделите имат еднакви зависими променливи и еднакъв брой по отношение на променливи, които са известни като обяснителни, най-подходящата ще бъде тази с коефициент по-голям от решителност.
Ясно е, че това може да варира в зависимост от избрания модел, тъй като няма да е същото в случай на вложен модел, например. Най-важното за този коефициент е способността му да предсказва ефективността на модели или теории. предложения, това може да се приложи не само към числата, това е жизненоважно да се знае дали прогнозите са добри или лоши.
