Model linier
Dina statistik modél linier bisa ditembongkeun ku nyebutkeun
di mana Y mangrupa nx1 vektor kolom variabel random, X mangrupa matrik kuantitas nxp "dipikanyaho" (contona, bisa di-observasi sarta non-random), vektor baris pakait jeung statistical unit, β mangrupa px1 vektor paraméter (teu ka-observasi), sarta ε mangrupa nx1 vektor "error", nu teu pakait ka variabel random nu mibanda nilai ekspektasi 0 sarta varian σ2. Salawasna komponen vektor kasalahan nu dicokot bakal independent sarta kasebar normal. Anggap nilai X sarta Y ka observasi, statistikawan kudu nga-estimate β sarta σ2. Sacara tipikal paraméter β di-estimasi maké métodeu least squares.
Tinimbang nyokot varian ε jadi σ2I, nu mana I mangrupa nxn matrik identitas, anggap varian mangrupa σ2M, nu mana M mangrupa matrik séjén nu dipikanyaho salian ti matrik identitas, mangka estimate β maké métodeu "generalized least squares", nu mana, ku ngaminimalkeun kuadrat residu, minimalkeun bentuk béda kuadrat dina residu—bentuk kuadrat dibérékeun ku matrik M−1. Lamun sakabéh diagonal dina matrik M sarua jeung 0, mangka estimasi normal β ku métodeu "weighted least squares", nu mibanda beurat sarua jeung diagonal asupan.
Linear regression ordiner mangrupa topik nu raket pakait.
Generalisasi
[édit | édit sumber]Generalisasi model linier
[édit | édit sumber]Generalized linear models, tinimbang
- E(Y)=Xβ,
leuwih ilahar
- f(E(Y))=Xβ,
di mana f mangrupa "fungsi pakait". Contona "model regresi Poisson", ku nuliskeun
- Yi mibanda sebaran Poisson nu mibanda nilai ekspektasi eγ+δxi.
Fungsi pakait mangrupa fungsi logaritma natural. Observasi nu dipiboga xi sarta Yi keur i=1,...,n, bisa nga-estimasi γ and δ ku métodeu maximum likelihood.
Model linier general
[édit | édit sumber]General linear model (atawa multivariate regression model) mangrupa modél linier nu mibanda sababara ukuran dina unggal obyek. Unggal obyek diwakilan dina bentuk vektor.