Professional Documents
Culture Documents
Lesson12 Regression
Lesson12 Regression
Lesson12 Regression
Lily Neuman 1
נושאי השיעור
קשר סטטיסטי
בין משתנים
Prof.Lily Neuman 5
r = r ( x, y ) = rx , y =
∑[( xi − X ) ⋅ ( yi − Y )]
= =
∑[( xi − X ) ( yi − Y ) ]
2 2
cov( X , Y )
=
σ X ⋅σ Y
Prof.Lily Neuman 6
∑[( xi − X )( yi − Y )]
cov( X , Y ) =
n
∑[( xi − X )( xi − X )]
σ = 2
X
n
∑[( y i − Y )( y i − Y )]
σY =
2
n
Prof.Lily Neuman 7
r ( X , Y ) = r (Y , X )
− 1 ≤ r( X , Y ) ≤ 1
r≈0
r →1
r → −1
Prof.Lily Neuman 8
12
10
8
6
4
2
0
0 5 10 15 20 25
Prof.Lily Neuman 9
(Pearson) מקדם המתאם של פירסון
xi − X yi − Y ( xi − X ) 2 ( yi − Y ) 2 ( xi − X )( yi − Y )
X Y
50 250
X = = 10 σ X2 = = 50 σ X = 7.07
15 1
5 5
35 76
Y = =7 σ Y2 = = 15.2 σ Y = 3.9
7 5
135
Cov( X , Y ) = = 27
5
cov( X , Y ) 27
r = r ( x, y ) = = = 0.97
σ X ⋅σ Y 7.07 ⋅ 3.9
10
ורגרסיה – דוגמא 1 מתאם
Prof.Lily Neuman
(
1
Prof.Lily Neuman 11
פונקציית ניבוי
F ( X ) = a + bX
אז אומרים שבין משתנים Xו Y-יש קשר לינארי.
חוזק הקשר הלינארי נמדד על-ידי מקדם המתאם של פירסון.
Prof.Lily Neuman 13
F ( X ) = a + bX
a + bX
Prof.Lily Neuman 14
i 1 2 … n
X x1 x2 … xn
Y y1 y2 … yn
yˆ i = a + bxi
ei = yi − yˆi = yi − a − bxi
Prof.Lily Neuman 16
en
y1
ŷ2 ŷn
e1 e2
y2
ŷ1
X
̂y
Q = ∑e 2
i → min
Prof.Lily Neuman 17
∂Q ∂Q
Q = min ⇒ = 0, =0
∂a ∂b
∂Q
1. : ∑(−2)( y i − a − bx i ) = ∑(−2)( y i − y i ) = ∑(−2)ei = 0 ⇒ ∑ ei = 0
∂a
∂Q
2. : ∑(−2)( y i − a − bxi ) xi = ∑(−2)( y i − y i ) xi = ∑(−2)ei xi = 0 ⇒ ∑ ei xi = 0
∂b
na + b ∑ xi = ∑ yi
a ∑ xi + b ∑ xi2 = ∑ xi yi
Prof.Lily Neuman 18
n ∑ xi yi − (∑ xi )(∑ yi )
b= =
∑ xi − (∑ xi ) 2
∑( x − x )( y − y ) ∑ xy − n ⋅ x ⋅ y
= = ... =
∑( x − x ) 2
(n − 1) S x
a = y − bx
Prof.Lily Neuman 19
i
y = a + bx
)Xi (ʮ"ʱ
72 64
= X = =9 Y =8
8 8
Prof.Lily Neuman 20
∑ ( x − x )( y − y )
b= =
∑ (x − x) 2
80
= = 0.4
200
a = y − bx = 8 − 0.4 ⋅ 9 = 4.4
קו רגרסיה:
y = 4.4 + 0.4 ⋅ x
Prof.Lily Neuman 21
20
15
10
5
0
0 5 10 15 20
)ס"מ( x
Prof.Lily Neuman 22
Prediction
350
yˆ = 280 x = 90 250
150
100
55 60 65 70 75 80 85 90 95 100 105 110
w eight (Kg)
Prof.Lily Neuman 24
) ∑ ( yi − y 2
SS reg ) = ∑( yi − y 2
SS y = ∑( yi − y ) 2
Prof.Lily Neuman 25
x = 2; y = 3 y = a + bx
(2 − 2)(4 − 3) + (1 − 2)(2 − 3) + (3 − 2)(3 − 3)
b= = 0 .5 a = y − b x = 3 − 0 .5 ⋅ 2 = 2
( 2 − 2) + (1 − 2) + (3 − 2)
2 2 2
y = 2 + 0.5 ⋅ x
y1 = 2 + 0.5 ⋅ 2 = 3 y2 = 2 + 0.5 ⋅ 1 = 2.5 y3 = 2 + 0.5 ⋅ 3
∑( y i − y ) 2 (3 − 3) 2 + (2.5 − 3) 2 + (3.5 − 3) 2
R =
2
= = 0.25
∑( y i − y ) 2
(4 − 3) + (2 − 3) + (3 − 3)
2 2 2
Prof.Lily Neuman 26
x t
1 1980
2 1981
3 1982
4 1983
Prof.Lily Neuman 27
200
180 Birth to younger mother(<19 yr.)
160 Birth to older mothers (>40 yr.)
140
120
Births
100
80
60
40
20
0
1978 1980 1982 1984 1986 1988 1990 1992
Years
Prof.Lily Neuman 28
S X2 = 9.167 S X2 = 9.167
SY2 = 274.678 SY2 = 688.989
SYX = 14.33 SYX = 10.34
≈
Prof.Lily Neuman 29
Y
ID Curren
Hospitaliza
(days)