regresia a korelÁcia
DESCRIPTION
REGRESIA A KORELÁCIA. REGRESNÝ MODEL. JEDNODUCHÁ LINEÁRNA REGRESIA. VÝSTIŽNOSŤ MODELU. INTERVALY SPOĽAHLIVOSTI. LINEÁRNA KORELÁCIA. PARCIÁLNA LINEÁRNA KORELÁCIA. KORELÁCIA. PORADOVÝ KOEFICIENT KORELÁCIE. KONTINGENCIA. POUŽITÉ VZŤAHY. REGRESIA. JEDNODUCHÁ LINEÁRNA. - PowerPoint PPT PresentationTRANSCRIPT
REGRESIA A KORELÁCIA
• JEDNODUCHÁ LINEÁRNA REGRESIA
• KORELÁCIA
REGRESNÝ MODEL
VÝSTIŽNOSŤ MODELU
INTERVALY SPOĽAHLIVOSTI
LINEÁRNA KORELÁCIA
PARCIÁLNA LINEÁRNA KORELÁCIA
PORADOVÝ KOEFICIENT KORELÁCIE
KONTINGENCIA
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
V realitnej kancelárii si riaditeľ vypýtal analýzu o cenách 2 izbových bytov v Košiciach, v časti Košice - JUH. Pre potreby priebežnej analýzy, zamestnanec vychádzal z náhodného výberu údajov v nasledujúcej tabuľke.
Plocha Cena Plocha Cena
48 1140000 50 1240000
50 1250000 56 1190000
60 1650000 56 1390000
52 1250000 55 1290000
55 1270000 50 1185000
50 1250000 56 1495000
58 1240000 50 1290000
49 1350000 90 2900000
52 1450000 54 1400000
50 1230000 54 1150000
72 2460000 54 1450000
55 1350000
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
1. ZADANIEVytvorte jednoduchý lineárny regresný model, kde vysvetľujúca premenná bude plocha bytov!
2_____2
_______
1
.
xx
yxxyb
__
1
__
0 xbyb
110
1100
xbbY
xbxbY
Plocha X Cena Y x.y x.x
48 1140000 54720000 2304
50 1250000 62500000 2500
60 1650000 99000000 3600
52 1250000 65000000 2704
55 1270000 69850000 3025
50 1250000 62500000 2500
58 1240000 71920000 3364
. . . .
. . . .
. . .
?___
xy
?__
x
?__
y
?___
2 x
?2__
x
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
1. ZADANIEVytvorte jednoduchý lineárny regresný model, kde vysvetľujúca premenná bude plocha bytov!
2_____2
_______
1
.
xx
yxxyb
__
1
__
0 xbyb
110
1100
xbbY
xbxbY
Plocha X Cena Y x.y x.x
48 1140000 54720000 2304
50 1250000 62500000 2500
60 1650000 99000000 3600
52 1250000 65000000 2704
55 1270000 69850000 3025
50 1250000 62500000 2500
58 1240000 71920000 3364
. . . .
. . . .
. . .
ii xY 47,43424979984
X - PRIEMER 55,47826087
Y - PRIMER 1429130,435
x.y - PRIEMER 82687391,3
x.x - PRIEMER 3156,173913
x - PRIEMER kvad. 3077,837429
b0 -979983,59
b1 43424,46
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
2. ZADANIEKoľko percent variability popisuje dan model?
n
iiiR YyS
1
2
Y
R
Y
T
S
S
S
SI 12
RTY SSS
2
1
__
n
iiT yYS
Plocha X Cena Y Yi Sr St
48 1140000 1104391 1268006105 105455748148,10
50 1250000 1191240 3452753481 56591923255,79
60 1650000 1625485 601006995,3 38554940912,99
52 1250000 1278089 788980859 22813574504,73
55 1270000 1408362 19144101274 431319142,98
50 1250000 1191240 3452753481 56591923255,79
58 1240000 1538636 89183232195 11991385099,05
. . . . .
. . . . .
. . . .
Sr 447321025579,15
St 3397511583116,52
I 0,868338631
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
3. ZADANIEVypočítajte intervaly spoľahlivosti pre regresné parametre daného modelu!
0,
21
000,
21
0 bstbbstbvv
1,
21
111,
21
1 bstbbstbvv
n
ii
R
xx
x
npn
Sbs
1
2__
2__
0
1.
n
ii
R
xx
pnS
bs
1
2__1
n
iiiR YyS
1
2
n
ii xx
1
2__
?
Plocha X (xi-x(avg))^2
48,00 55,92
50,00 30,01
60,00 20,45
52,00 12,10
55,00 0,23
50,00 30,01
58,00 6,36
. .
. .
. .
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
3. ZADANIEVypočítajte intervaly spoľahlivosti pre regresné parametre daného modelu!
5782691381697 0
5057436273 1
n
ii
R
xx
x
npn
Sbs
1
2__
2__
0
1.
n
ii
R
xx
pnS
bs
1
2__1
n
iiiR YyS
1
2
Sr 447321025579
s(b0) 193167,70
s(b1) 3438,38
x - PRIEMER kvad. 3077,83
n
ii xx
1
2__
1801
0,
21
000,
21
0 bstbbstbvv
1,
21
111,
21
1 bstbbstbvv
REGRESIA
JEDNODUCHÁ LINEÁRNA
POUŽITÉ VZŤAHY
4. ZADANIENa základe modelu odhadnite, aká by bola cena bytu, ak by jeho plocha v danej lokalite bola 60 (m*m)!
ii xY 47,43424979984
110
1100
xbbY
xbxbY
KORELÁCIA
LINEÁRNA KORELÁCIA
POUŽITÉ VZŤAHY
Najazdené (km) x1
Cena (SK) x2
Rok výroby x3
8,2 205 2004
12,1 179 2003
5,9 199 2004
2,1 229 2005
10,7 169 2004
3,6 209 2005
11,5 169 2003
4,8 209 2006
5,2 189 2005
8,4 225 2005
8,6 195 2005
7,7 209 2004
6 215 2005
9,5 195 2005
10,4 179 2004
Rozhodli ste sa predať firemné auto. Na základe skúseností viete, že medzi cenou daného modelu auta a počtom najazdených kilometrov existuje lineárny vzťah.
KORELÁCIA
LINEÁRNA KORELÁCIA
POUŽITÉ VZŤAHY
1. ZADANIEOverte tvrdenie, že medzi Počtom najazdených kilometrov a Cenou vozidla existuje lineárny vzťah!
?_____
21 xx
?__
1 x ?__
2 x ?___
21 x
?2__
1 x
2__
2
___22
2__
1
___21
__
2
__
1
___
2112
.
.
xxxx
xxxxr
Najazdené (km) x1
Cena (SK) x2
Rok výroby x3 x1*x2 x1*x1 x2*x2
8,2 205 2004 1681 67,24 42025
12,1 179 2003 2165,9 146,41 32041
5,9 199 2004 1174,1 34,81 39601
2,1 229 2005 480,9 4,41 52441
. . . . . .
. . . . . .
?2__
2 x
?___
22 x
X1 - PRIEMER 7,65
X2 - PRIMER 198,33
X1*X2 - PRIEMER 1478,17
X1*X1 - PRIEMER 66,72
X2*X2 - PRIEMER 39662,33
X1 - PRIEMER kvad. 58,47
X2 - PRIEMER kvad. 39336,11
KORELÁCIA
LINEÁRNA KORELÁCIA
POUŽITÉ VZŤAHY
1. ZADANIEOverte tvrdenie, že medzi Počtom najazdených kilometrov a Cenou vozidla existuje lineárny vzťah!
74.0
11.3933633.39662*47.5872.66
33.198*65.717.147812
r
X1 - PRIEMER 7,65
X2 - PRIMER 198,33
X1*X2 - PRIEMER 1478,17
X1*X1 - PRIEMER 66,72
X2*X2 - PRIEMER 39662,33
X1 - PRIEMER kvad. 58,47
X2 - PRIEMER kvad. 39336,11
2__
2
___22
2__
1
___21
__
2
__
1
___
2112
.
.
xxxx
xxxxr
KORELÁCIA
LINEÁRNA KORELÁCIA
POUŽITÉ VZŤAHY
2. ZADANIEVypočítajte determinačný koeficient!
X1 - PRIEMER 7,65
X2 - PRIMER 198,33
X1*X2 - PRIEMER 1478,17
X1*X1 - PRIEMER 66,72
X2*X2 - PRIEMER 39662,33
X1 - PRIEMER kvad. 58,47
X2 - PRIEMER kvad. 39336,11
121211 x
212122 x
2__
1
___2
1
__
2
__
1
___
2121
.
xx
xxxxb
2___
2
____2
2
__
2
__
1
___
2112
.
xx
xxxxb
211212 bbr
54.06554.4*1177.012 r
KORELÁCIA
PARCIÁLNA LINEÁRNA KORELÁCIA
POUŽITÉ VZŤAHY
3. ZADANIEAko by bola korelovaná cena a počet najazdených kilometrov, ak by bola premenná rok výroby konštantná?
223
213
231312312
11 rr
rrrr
X1 - PRIEMER 7,65
X2 - PRIMER 198,33
X1*X2 - PRIEMER 1478,17
X1*X1 - PRIEMER 66,72
X2*X2 - PRIEMER 39662,33
X1 - PRIEMER kvad. 58,47
X2 - PRIEMER kvad. 39336,11
r13 -0,70
r23 0,64
4096.0149.01
)64.0*7.0(74.0312
r
54.0312 r
KORELÁCIA
PORADOVÝ KOEFICIENT KORELÁCIE
POUŽITÉ VZŤAHY
1
61
21
2
nn
dn
ii
N. Mzda I. Cien
17781 106,2
17311 107,5
18401 106,9
18124 105,9
19433 106,7
19857 107,1
19167 107,8
18981 107,5
18918 105,1
20157 103
23254 102,7
21621 102,6
Na základe údajov v tabuľke, sa analytik rozhodol zistiť, či existuje vzťah medzi Nominálnou mzdou v priemysle výroby a Indexom cien priemyselných výrobcov.
KORELÁCIA
PORADOVÝ KOEFICIENT KORELÁCIE
POUŽITÉ VZŤAHY
1
61
21
2
nn
dn
ii
N. Mzda Poradie N. Mzdy I. Cien Poradie I. Cien
17311 1 107,5 10,5
17781 2 106,2 6
18124 3 105,9 5
18401 4 106,9 8
18918 5 105,1 4
18981 6 107,5 10,5
19167 7 107,8 12
19433 8 106,7 7
19857 9 107,1 9
20157 10 103 3
21621 11 102,6 1
23254 12 102,7 2
KORELÁCIA
PORADOVÝ KOEFICIENT KORELÁCIE
POUŽITÉ VZŤAHY
1
61
21
2
nn
dn
ii
Poradie NMP Poradie ICPV rozdiel - d štvorec rozdielu - d
11 1 10 100
12 2 10 100
10 3 7 49
5 4 1 1
3 5 -2 4
2 6 -4 16
8 7 1 1
4 8 -4 16
9 9 0 0
1 10,5 -9,5 90,25
6 10,5 -4,5 20,25
7 12 -5 25
477.0114412
5,422*61
LINEÁRNA KORELÁCIA A REGRESIA
ROVNAKÝ KOEFICIENT KORELÁCIE, ROVNAKÝ REGRESNÝ MODEL!