6: Двовимірні дані - Моделі
- Page ID
- 97582
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)
Тут ми нарешті підійшли до світу статистичних моделей, вивчення не просто відмінностей, а того, як саме речі пов'язані. Однією з найважливіших особливостей моделей є здатність прогнозувати результати. Моделювання розширюється на тисячі різновидів, є планування експериментів, байєсівські методи, максимальна ймовірність та багато інших - але ми обмежимося кореляцією, основною лінійною регресією, аналізом коваріації та введенням в логістичні моделі.
- 6.2: Аналіз регресії
- Аналіз кореляції дозволяє визначити, чи є змінні залежними, і обчислити силу і ознаку залежності. Однак якщо мета полягає в тому, щоб зрозуміти інші особливості залежності (як напрямок), і, що ще важливіше, передбачити (екстраполювати) результати, потрібен інший вид аналізу, аналіз регресії.