Тема: Линейные модели в статистике
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
1. Линейная регрессия 3
1.1. Постановка задачи 3
1.2. Способы нахождения линии регрессии 5
2. Линейное программирование в регрессионном анализе .... 6
2.1. Обзор статьи Харви Вагнера 6
2.2. Сведение к задаче ЛП 11
2.3. Вычислительные эксперименты 14
3. Квантильная регрессия 18
3.1. Основные определения и модель 18
3.2. Модель Коенкера-Бассета 19
3.3. Представление квантильной регрессии в виде задачи
ЛП 21
3.4. Вычислительный эксперимент 22
Заключение 25
Список литературы 26
Приложения 27
1. Код класса для решения квантильной регрессии 27
2. Код класса для решения МНММ 29
3. Инструкции к классам 31
📖 Введение
В 1978 году была опубликована статья «Квантильная регрессия» (Regression Quantiles) Роджера Коенкера и Гильберта Бассета [9], в которой впервые была введена квантильная регрессия. Было установлено: если ошибки не подчинены нормальному закону распределения, квантильная регрессия может быть более эффективна, чем метод наименьших квадратов. Данная работа делиться на две части:
• Линейная регрессия: способы нахождения коэффициентов прямой;
• Квантильная регрессия.
В работе показано как находить коэффициенты регрессии с помощью линейного программирования.
✅ Заключение
На языке Python были написаны классы, реализующие вышеперечисленные методы. Классы полностью подготовлены к встраиванию в программы. Проведено несколько вычислительных экспериментов, позволивших оценить работу классов. Время работы программ также может зависеть от архитектуры компьютера, на котором проводится вычислительный эксперимент, и от операционной системы. Была разработана необходимая документация для использования классов.
📕 Список литературы
🖼 Скриншоты
