Professional Documents
Culture Documents
Prost regresioni model je matematiki model koji ima samo dve promenjive: zavisnu i nezavisnu. Zavisna promenjiva j eona ije varijacije treba objasniti na osnovu nezavisne promenljive. Prost linearni regresioni model je regresioni model kojim se opisuju inearna veya iymedju zavisne i nezavisne promenljive.
Dijagram rasprenosti
Pprvi korak u analizi zavisnosti dve pojave je grafiko prikazivanje emirijske serije podataka. Na istim elementima skupa ili uzorka posmatramo dva obeleja. Utecemo primer 20 firmi kod kojih demo posmatrati trokove reklame i obim prodaje. Ako na apsisu nanesemo vrednosti nezavisne promenljive X a na ordinatu zavisno promenljive Y dobidemo grafiki prikaz koji se naziva dijagram rasprenosti.
Kako je re o stohastikim vezama izmeu x I y ne moe se tano predvideti vrednost y za odreenu vrednost x. Zato se kao mogue reenje trai regresiona prava (kriva) koja e najmanje odstupati od empirijskih podataka. Odreivanje koeficijenata te linearne jednaine omoguuje nam da vrimo traeno predvianje. Takvo predvianje nee biti egzaktno jer se mora uzeti u obzir I greka zbog stohastike prirode veze. Model proste linearne regresije u optem obliku: Yi=0+1xi+i i=1,2,,N gde su Yi i-ta zavisna promenljiva Xi i-ta vrednost nezavisna promenljiva 0 i 1 nepoznate konstante,regresioni parametri
stohastiki lan ili sluajna greka N veliina osnovnog skupa Nezavisno promenljiva X se naziva objanjavajuo mpromenljivom je rpomou nje pokuavamo da objasnimo varijacije promenljive Y.
ukljuene u model) 2. Sluajne varijacije (domainstvo moe u jednom mesecu da organizuje vie zabava i potroi vie na hranu, a sledeeg meseca zbog deje ekskurzije ili kupovine nametaja pritedee na hrani) U regresionom modelu su 0 i 1 parametri osnovnog skupa. Meutim, kako nisu poznati svi podaci o
osnovnom skupu, regresioni model osnovnog skupa ocenjujemo na osnovu podataka iz uzroka. Ocene nepoznatih parametara, odseka 0 i koeficijenata nagiba 1 se oznaavaju sa b0 i b1. Cilj je da se na osnovu uzorka doe do najboljih moguih ocean b0 i b1 I time postavi ocenjeni model (linija regresije u uzorku):
=b0+b1x
Gde je ona vrednost Y koja se tano nalazi na najbolje prilagodjenoj liniji regresije, pa se naziva prilagoena ii predviena Y. Stvarne vrednosti promenljive Y nazivaju se empirijske vrednosti. Razlika izmeu stvarne i ocekivane vrednosti (prosene vrednosti) Y u osnovnom skupu predstavlja sluajnu greku . Npr. To je rzlikaizmeu iznosa koje je domainstvojednog meseca stvarno potroilo na hranu i prosene vrednosti dobijene na osnovu regresione prave osnovnog skupa. Razlika izmeu stvarne i ocenjene vrednosti Y u uzorku naziva se rezidual i oznaava se sa e. Rezidual predstavlja ocenu sluajne greke .
e= Y-
gde je Y stvarna vrednost a ocenjena vrednost Y.
Kojeficijenti regresione prave uzroka odnosno ocene po metodu najmanjih kvadrata glase:
Nulte I alternativna hipoteza o regresionom parametru 1: H0:1=0 (Izmeu varijacija posmatranih pojava ne postoji linearna veza, odnosno X ne utie na Y) H1:10 (Izmeu varijacija posmatranih pojava postoji linearna veza, odnosno X utiena Y) Statistika t testa za testiranje hipoteze o 1 glasi:
Bro jstepen islobode je df=n-2. Testiranje se sprovodi na isti nain kao kod aritmetike sredine skupa.
Koeficijent korelacije predstavlja pokazatelj stepena kvantitativnog slaganja izmeu promenljivih. Koeficijen tproste linearne korelacije u osnovnom skupu obeleava se sa ,a u uzorku sa r I moe uzeti vrednosti samo u interval -1 I 1, tj. -11 I -1r1 Ako je r=1 izmeu dve promenljive postoji perfektna pozitivna linearna korelacija, tj. Sve take dijagrama rasprenosti se nalaze na rastuoj pravoj. Ako je r=-1 izmeu dve promenljive postoji perfektna negativna linearna korelacija, tj.sve take dijagrama rasprenosti se nalaze na opadajuoj pravoj.
FormulajesimetrinauodnosunapromenljiveXiY,pajesvejednokojusmopromenljivukakooznaili.