Основен » алгоритмична търговия » Определение на метода с най-малки квадрати

Определение на метода с най-малки квадрати

алгоритмична търговия : Определение на метода с най-малки квадрати
Какъв е методът с най-малко квадрати?

Методът "най-малки квадрати" е форма на математически регресионен анализ, използван за определяне на линията, която е най-подходяща за набор от данни, осигуряваща визуална демонстрация на връзката между точките от данни. Всяка точка от данни представлява връзката между известна независима променлива и неизвестна зависима променлива.

Какво ви казва методът на най-малките квадрати?

Методът на най-малките квадрати предоставя общата обосновка за поставянето на линията, която е най-подходяща сред точките с данни, които се изследват. Най-честото приложение на този метод, който понякога се нарича "линеен" или "обикновен", има за цел да създаде права линия, която свежда до минимум сумата от квадратите на грешките, които се генерират от резултатите на свързаните уравнения, напр. като квадратните остатъци, получени в резултат на различията в наблюдаваната стойност, и очакваната стойност въз основа на този модел.

Този метод на регресионен анализ започва с набор от точки от данни, които трябва да бъдат начертани на графика на оси x и y. Анализатор, използващ метода с най-малко квадратчета, ще генерира линия, която е най-подходяща, която обяснява потенциалната връзка между независими и зависими променливи.

При регресионен анализ зависимите променливи се илюстрират по вертикалната ос, докато независимите променливи се илюстрират на хоризонталната ос x. Тези обозначения ще формират уравнението за линията с най-добро прилягане, която се определя от метода на най-малко квадратчета.

За разлика от линеен проблем, нелинейният проблем с най-малко квадрати няма затворено решение и обикновено се решава чрез итерация. Откриването на метода с най-малко квадратчета се приписва на Карл Фридрих Гаус, който открива метода през 1795г.

Ключови заведения

  • Методът на най-малките квадрати е статистическа процедура за намиране на най-подходящото за набор от точки от данни, като се сведе до минимум сумата на компенсирането или остатъците от точки от начертаната крива.
  • Регресията с най-малки квадрати се използва за прогнозиране на поведението на зависимите променливи.

Пример за метода на най-малко квадрати

Пример за метода с най-малко квадрати е анализаторът, който желае да тества връзката между доходността на акциите на компанията и възвръщаемостта на индекса, за който акцията е компонент. В този пример анализаторът се стреми да тества зависимостта на възвръщаемостта на акциите от доходността на индекса. За да се постигне това, всички възвръщаемости са нанесени на диаграма. След това индексът възвръщаемост се определя като независима променлива, а запасите от запаси са зависимата променлива. Линията, която е най-подходяща, осигурява на анализатора коефициенти, обясняващи нивото на зависимост.

Линията на най-доброто приравняване

Линията на най-добро прилягане, определена от метода на най-малко квадратчета, има уравнение, което разказва историята на връзката между точките от данни. Линията на най-подходящите уравнения може да бъде определена от модели на компютърен софтуер, които включват обобщение на изходите за анализ, където коефициентите и обобщените резултати обясняват зависимостта на тестваните променливи.

Линия за регресия на най-малките квадрати

Ако данните показват по-малка връзка между две променливи, линията, която най-добре отговаря на тази линейна връзка, е известна като регресия с най-малко квадрати, което свежда до минимум вертикалното разстояние от точките на данни до регресионната линия. Използва се терминът „най-малко квадратчета“, защото това е най-малката сума от квадратчета грешки, която се нарича още „дисперсия“.

Сравнете инвестиционни сметки Име на доставчика Описание Разкриване на рекламодатели × Офертите, които се появяват в тази таблица, са от партньорства, от които Investopedia получава компенсация.

Свързани условия

Как работи методът на критериите за най-малки квадрати Критерият с най-малко квадрати е метод за измерване на точността на една линия при изобразяване на данните, които са били използвани за нейното генериране. Тоест, формулата определя линията на най-доброто прилягане. повече Line of Best Fit Линията на най-добро напасване е резултат от регресионен анализ, който представлява връзката между две или повече променливи в набор от данни. повече Как работи статистическата техника на сумата от квадрати Сумата от квадрати е статистическа техника, използвана при регресионен анализ за определяне на дисперсията на точките от средната им стойност. При регресионен анализ целта е да се определи доколко една поредица от данни може да бъде приспособена към функция, която може да помогне да се обясни как се генерират сериите от данни. повече Какво е грешка? Терминът за грешка се дефинира като променлива в статистически модел, който се създава, когато моделът не представя напълно реалната връзка между независимите и зависимите променливи. повече Как работи коефициентът на определяне Коефициентът на определяне е мярка, използвана в статистическия анализ, за ​​да се оцени доколко един модел обяснява и прогнозира бъдещи резултати. повече Как работи множествената линейна регресия Множествената линейна регресия (MLR) е статистическа техника, която използва няколко обяснителни променливи, за да прогнозира резултата от променлива на отговора. повече партньорски връзки
Препоръчано
Оставете Коментар