Condição de Regressão: O que é e como utilizá-lo

Definições das Medidas > O que é uma Condição de Recaída?

Condição de Regressão: Revisão:

Uma Condição de Regressão é utilizada em detalhe para descobrir que relação, assumindo qualquer, existe entre conjuntos de informação. Por exemplo, na hipótese remota de medir o talento de um jovem de forma consistente, você pode descobrir que ele se desenvolve em torno de 3 polegadas a cada ano. Esse padrão (crescendo 3 polegadas a cada ano) pode ser demonstrado com uma condição de recidiva. Verdade seja dita, a maioria das coisas na realidade (desde custos de gás a tempestades marítimas) podem ser mostradas com algum tipo de condição; isso nos permite prever ocasiões futuras.

Uma linha de regressão é a linha “melhor ajuste” para sua informação. Você fundamentalmente desenha uma linha que melhor fala para os focos de informação. Parece uma linha normal de onde cada um dos focos se alinha. Na recidiva direta, a linha de recidiva é uma linha esplendidamente reta:

A linha de regressão é falada por uma condição. Para esta situação, a condição é – 2.2923x + 4624.4. Isso implica que, no caso de você traçar a condição – 2.2923x + 4624.4, a linha seria um palpite duro para sua informação.

Não é excepcionalmente normal que cada uma das informações se concentre realmente na linha de regressão. Na imagem acima, as manchas estão marginalmente espalhadas pela linha. Nesta próxima imagem, as manchas caem em espera. O estado curvo desta linha é devido a uma recidiva polinomial, que se adapta aos focos a uma condição polinomial.

Linhas de Regressão e Previsão

A regressão é valiosa porque lhe permite fazer previsões sobre a informação. O principal descrito acima vai de 1995 a 2015. Na hipótese remota de ter de antecipar o que poderá ocorrer em 2020, poderá ligá-lo à condição:

– 2.2923(2020)+4626.4 = – 4.046.

Ter precipitação negativa não é um bom presságio, mas pode-se dizer que a precipitação vai cair para 0 centímetros em algum momento antes de 2020. Como indicado por esta linha específica de recidiva, é realmente esperado que isso aconteça em algum momento em 2018:

– 2.2923(2018)+4626.4 = 0.5386

– 2.2923(2019)+4626.4 = – 1.7537

Para que serve uma Condição de Regressão?

As condições de regressão podem ajudá-lo a fazer sentido se as suas informações podem ser adequadas a uma condição. Isto é incrivelmente valioso no caso de você precisar fazer previsões a partir de suas informações ou expectativas futuras ou sinais de conduta passada. Por exemplo, você deve se dar conta do valor dos seus fundos de reserva mais tarde. Ou, por outro lado, você deve antecipar até que ponto pode ser necessário para se recuperar de uma doença.

Há alguns tipos de condições de regressão. Uma parte das mais típicas incorpora Relapso directo exponencial e básico (para ajustar a informação a uma condição exponencial ou a uma condição recta). Em insights básicos, a condição de regressão que você está destinado a rever é a estrutura reta.

Regressão linear

Existem algumas maneiras diferentes de descobrir uma linha de regressão, incorporando à mão e com inovação, como a Exceedceed expectations (ver abaixo). Encontrar uma linha de regressão é extremamente monótono à mão. O vídeo que o acompanha delineia os meios:

Você também pode descobrir uma linha de regressão nos trituradores de números TI:

TI 83 Regressão.

Instruções passo a passo para executar a TI-89 Relapse.

A condição de recidiva directa é demonstrada da seguinte forma.

O inconveniente da Investigação de Regressão

Para que a informação se ajuste a uma condição, você precisa fazer sentido do exemplo geral em que a informação se encaixa primeiro. Os passos gerais para realizar uma recaída incorporam primeiro fazer um enredo dissipador e depois fazer teoria com respeito a que tipo de condição pode ser a mais adequada. Nesse momento, você pode escolher a melhor condição de regressão para a atividade.

No entanto, como aparece a imagem que acompanha a imagem, não é em todos os casos totalmente claro escolher a condição de regressão adequada, particularmente quando se está a gerir informação genuína. De vez em quando você recebe informações “turbulentas” que não parecem se encaixar em nenhuma condição. Na hipótese remota de que a parte principal da informação apareça como se estivesse a seguir um exemplo, você poderia excluir as anomalias. Na verdade, no caso de você desconsiderar exceções, a informação que parece que poderia ser exibida por uma condição exponencial.