Search

13.4 : L'équation de régression
https://query.libretexts.org/Francais/Livre_%3A_Statistiques_commerciales_(OpenStax)/13%3A_R%C3%A9gression_lin%C3%A9aire_et_corr%C3%A9lation/13.04%3A_L'%C3%A9quation_de_r%C3%A9gression
Le $\hat{\mathrm{y}}$ est lu « $\bf y$ chapeau » et est la valeur estimée de $\bf y$ . (La figure 13.8 $\hat{C}$ représente la valeur estimée de la consommation car elle se trouve sur la ligne esti...Le $\hat{\mathrm{y}}$ est lu « $\bf y$ chapeau » et est la valeur estimée de $\bf y$ . (La figure 13.8 $\hat{C}$ représente la valeur estimée de la consommation car elle se trouve sur la ligne estimée.) Il s'agit de la valeur $y$ obtenue à l'aide de la droite de régression. $\hat{\mathrm{y}}$ n'est généralement pas égal $y$ à celui des données.
13.4: معادلة الانحدار
https://query.libretexts.org/%D8%A7%D9%84%D9%84%D8%BA%D8%A9_%D8%A7%D9%84%D8%B9%D8%B1%D8%A8%D9%8A%D8%A9/%D9%83%D8%AA%D8%A7%D8%A8%3A_%D8%A5%D8%AD%D8%B5%D8%A7%D8%A1%D8%A7%D8%AA_%D8%A7%D9%84%D8%A3%D8%B9%D9%85%D8%A7%D9%84_(OpenStax)/13%3A/13.04%3A_%D9%85%D8%B9%D8%A7%D8%AF%D9%84%D8%A9_%D8%A7%D9%84%D8%A7%D9%86%D8%AD%D8%AF%D8%A7%D8%B1
$\beta_0$ أين التقاطع، $\beta_i$ والانحدار بين $Y$ والمناسب $X_i$ ، و $\epsilon$ (يُنطق epsilon)، هو مصطلح الخطأ الذي يلتقط الأخطاء في القياس والتأثير على $Y$ أي متغيرات مفقودة من المعادلة التي م... $\beta_0$ أين التقاطع، $\beta_i$ والانحدار بين $Y$ والمناسب $X_i$ ، و $\epsilon$ (يُنطق epsilon)، هو مصطلح الخطأ الذي يلتقط الأخطاء في القياس والتأثير على $Y$ أي متغيرات مفقودة من المعادلة التي من شأنها $Y$ المساهمة في شرح الاختلافات في $Y$ .
13.4: A equação de regressão
https://query.libretexts.org/Idioma_Portugues/Livro%3A_Estatisticas_de_negocios_(OpenStax)/13%3A_Regress%C3%A3o_linear_e_correla%C3%A7%C3%A3o/13.04%3A_A_equa%C3%A7%C3%A3o_de_regress%C3%A3o
Como o SST = SSR + SSE, vemos que o coeficiente de correlação múltipla é a porcentagem da variância, ou desvio $y$ de seu valor médio, que é explicado pela equação quando considerado como um todo. \(...Como o SST = SSR + SSE, vemos que o coeficiente de correlação múltipla é a porcentagem da variância, ou desvio $y$ de seu valor médio, que é explicado pela equação quando considerado como um todo. $R^2$ variará entre zero e 1, com zero indicando que nenhuma variação em $y$ foi explicada pela equação e um valor de 1 indicando que 100% da variação em $y$ foi explicada pela equação.
13.4: Equation ya kurudi nyuma
https://query.libretexts.org/Kiswahili/Kitabu%3A_Takwimu_za_Biashara_(OpenStax)/13%3A_Ukandamizaji_wa_mstari_na_uwiano/13.04%3A_Equation_ya_kurudi_nyuma
Kwa sababu SST = SSR + SSE tunaona kwamba mgawo wa uwiano wa nyingi ni asilimia ya ugomvi, au kupotoka $y$ kutoka kwa thamani yake ya maana, ambayo inaelezewa na equation inapochukuliwa kwa ujumla. \...Kwa sababu SST = SSR + SSE tunaona kwamba mgawo wa uwiano wa nyingi ni asilimia ya ugomvi, au kupotoka $y$ kutoka kwa thamani yake ya maana, ambayo inaelezewa na equation inapochukuliwa kwa ujumla. $R^2$ zitatofautiana kati ya sifuri na 1, na sifuri kuonyesha kwamba hakuna hata tofauti katika $y$ ilielezwa na equation na thamani ya 1 kuonyesha kwamba 100% ya tofauti katika $y$ ilielezwa na equation.
13.4: 回归方程
https://query.libretexts.org/%E7%AE%80%E4%BD%93%E4%B8%AD%E6%96%87/%E5%9B%BE%E4%B9%A6%EF%BC%9A%E5%95%86%E4%B8%9A%E7%BB%9F%E8%AE%A1_(OpenStax)/13%3A_%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92%E5%92%8C%E7%9B%B8%E5%85%B3%E6%80%A7/13.04%3A_%E5%9B%9E%E5%BD%92%E6%96%B9%E7%A8%8B
图 13.10 显示了估计的回归线和单个观测值 $x_1$ 。回归分析试图解释因变量平均值的数据变异 $y$ 。问题是，为什么 y 的观测值与的平均水平不同 $y$ ？观测时 y 的值与的平均值 $x_1$ 之间存在差 $y$ 异 $\left(y_{i}-\overline{y}\right)$ 。这些差值的平方和是 SST，即总平方和。 $y$ at 的实际值 $x_1$ 与估计值的...图 13.10 显示了估计的回归线和单个观测值 $x_1$ 。回归分析试图解释因变量平均值的数据变异 $y$ 。问题是，为什么 y 的观测值与的平均水平不同 $y$ ？观测时 y 的值与的平均值 $x_1$ 之间存在差 $y$ 异 $\left(y_{i}-\overline{y}\right)$ 。这些差值的平方和是 SST，即总平方和。 $y$ at 的实际值 $x_1$ 与估计值的偏差是估计值和实际值之间的差值 $\left(y_{i}-\hat{y}\right)$ 。 $\hat{y}$ 我们记得这是误差项 e，这些误差的总和是 SSE，即误差的平方和。的预测值与的平均值的 $y$ 偏差 $y$ 为 SSR（平方 $(\hat{y}-\overline{y})$ 和回归）。 $\hat y$ 它被称为 “回归”，因为它是回归所解释的偏差。（有时，SSR 被称为 SSM 表示平方和均值，因为它测量的是与因变量 y 的平均值的偏差，如图所示。）