数理統計学の方法。 回帰分析

用語を使用して重回帰分析を開始した ピアソン（Pearsonのを） 年より、1908年から付き合って、彼の作品に。 彼は、不動産の売却を導電剤の例として、それを説明しました。 家の彼のノートでは展覧会の専門家は、個々の構造のソースデータの広い範囲のアカウントを導きました。 取引の結果によっては、取引の価格に大きな影響を持っていた要因を決定します。

多数のトランザクションの分析は興味深い結果が得られました。 時には逆説的な結論とさえ明確な「排出量」につながる多くの要因の影響を受け、最終的なコスト、低価格指数で販売高初期電位を持つ家。

この分析の応用の第二の例は、作業与えられた専門職員、従業員給付を決定委託されています。 課題は、必要な分布がそれぞれのために固定された量、および実行される特定の仕事のその値を厳守しないという事実にありました。 ほぼ同様の変形ソリューションですさまざまなタスクの出現は、数学的なレベルでのより詳細な検討が必要です。

で 数理統計学、 重要な場所は、「回帰分析」セクションに与えられた、回帰の概念によってカバーされ、依存関係を研究するために使用実践的な技術が団結。 これらの関係は、統計解析で得られたデータとの間で観察されています。

メインのうち回帰分析タスクは三つの目的があります定義する 回帰式 の一般的な形式のを、 回帰式に含まれている未知のパラメータ推定値、の建設; 回帰統計的仮説をチェックします。 実験的観察から得られた値の組と部品の数（多くの）型（X1、Y1）との間に生じる関係を研究する過程で、...、（XN、YN）、回帰理論の位置に基づいて示唆その単一の値のためのYは、他のXが固定されたままであるという事実にもかかわらず、特定の確率分布があります。

Yが変数Xの値に依存する結果は、この依存性は、様々な法律によって決定することができ、結果の精度は、観測の分析の性質および目的によって影響されます。 実験モデルは、単純化されたが、説得力のある一定の前提に基づいています。 主な条件は、パラメータXの値を制御することです。 その値は、実験の開始に先立って与えられています。

実験の過程で、制御不能な変数のペアXYは、回帰分析は、同じ方法で行うが、我々は、ランダムな変数の接続調査を研究した結果の解釈のために、メソッドを使用した場合 の相関解析のを。 統計的手法は、抽象的テーマではありません。 彼らは、人間の活動の様々な分野での生活の中でアプリケーションを見つけます。

上記の方法を決定するために、科学文献に用語の広い使用を見出した 線形回帰 分析。 変数のXはY-も呼ばれた判定用語回帰または予測変数と従属変数を使用します。 この用語は、数学的関係変数ではなく、調査の因果関係を反映しています。

回帰分析は、観測の多種多様の結果の処理に使用される最も一般的な方法です。 この方法を用いて研究し、物理的および生物学的機能は、それが実施され、経済、当されます。 回帰分析モデルを用いて、質量他のエリア。 分散分析、 実験、設計の 密接な学習のこの方法に多次元の仕事の統計分析。