Kuinka laskea kaltevuuden vakiovirhe

Tilastossa lineaarisen matemaattisen mallin parametrit voidaan määrittää kokeellisista tiedoista käyttämällä menetelmää, jota kutsutaan lineaariseksi regressioksi. Tämä menetelmä arvioi muodon y = mx + b (linjan vakioyhtälö) yhtälön parametrit kokeellisen datan avulla. Kuten useimmissa tilastollisissa malleissa, malli ei kuitenkaan vastaa tarkalleen tietoja; siksi joihinkin parametreihin, kuten kaltevuuteen, liittyy jokin virhe (tai epävarmuus). Standardivirhe on yksi tapa mitata tätä epävarmuutta ja se voidaan suorittaa muutamassa lyhyessä vaiheessa.

Etsi mallin neliöjäännösten summa (SSR). Tämä on kunkin yksittäisen datapisteen ja mallin ennustaman datapisteen välisen eron neliön summa. Esimerkiksi, jos datapisteet olivat 2,7, 5,9 ja 9,4 ja mallista ennustetut datapisteet olivat 3, 6 ja 9, niin kunkin pisteen ero antaa 0,09 (saadaan vähentämällä 3 2,7: llä ja neliöimällä tuloksena oleva luku), 0,01 ja 0,16, vastaavasti. Näiden numeroiden yhteenlaskeminen antaa 0,26.

Jaa mallin SSR datapisteiden havaintojen lukumäärällä miinus kaksi. Tässä esimerkissä on kolme havaintoa ja vähentämällä kaksi tästä saadaan yksi. Siksi jakamalla 0,26 SSR yhdellä saadaan 0,26. Kutsu tätä tulosta A.

instagram story viewer

Määritä riippumattoman muuttujan selitetty neliösumma (ESS). Esimerkiksi, jos datapisteet mitattiin 1, 2 ja 3 sekunnin välein, vähennät jokaisen luvun numeroiden keskiarvolla ja neliöität sen, ja summaat seuraavat luvut. Esimerkiksi annettujen lukujen keskiarvo on 2, joten vähentämällä kukin luku kahdella ja neliöimällä saadaan arvot 1, 0 ja 1. Näiden lukujen summa antaa 2.

Etsi ESS: n neliöjuuri. Tässä esimerkissä 2: n neliöjuuri antaa 1,41. Kutsu tätä tulosta B.

Jaa tulos B tuloksella A. Esimerkin päätteeksi jakamalla 0,51 luvulla 1,41 saadaan 0,36. Tämä on kaltevuuden standardivirhe.

Teachs.ru
  • Jaa
instagram viewer