Lineaarne regressioonimudelil: Regressiooni kordaja b abil saame kirjeldada seose tugevust Tugeva negatiivse lineaarse seose korral regressioonikordaja iseloomustab sõltuva muutuja vähenemist sõltumatu muutuja ühe ühikulise muutumise korral (õige) Seoste analüüsil korrelatsioonikordaja peab olema alati vahemikus -1 kuni +1 Korrelatsioonikordaja absoluutväärtused!! paiknevad alati vahemikus 0 kuni 1 regressioonifunktsiooni on võimalik leida aegridade andmetel Kvalitatiivse (väärtus, mida ei saa arvuna avaldada) tunnuse puhul: on võimalik metodoloogiliste vigade tekkimine Esindusviga on oma sisult vahe ühe juhuslikult moodustatud valimi keskmise taseme ja üldkogumi keskväärtuste vahel (õige) Väljavõtukogumi ja üldkogumi struktuurid erinevuse tulemusel tekkinud ebatäpsus Standardhälve paikneb alati vahemikus 0 ..
vaid kõigi) 5. Vahe ühe juhuslikult moodustatud valimi keskmise taseme ja üldise keskväärtuse vahe 6. Kõikide võimalike esindusvigade harmooniline keskmine (õige on ruutkeskmine) 7. kõikide n-liikmeliste valimite aritm. Keskmine tase 8. väljavõtukeskmiste standardhälve 9. on ruutjuur valimite keskmiste dispersioonist 10. ei ükski Regressioonifunktsiooni usaldatavuse kontrollimisel dispersioonianalüüsi abil 1. Põhieesmärgiks on kirjeldada sõltuva ja sõltumatu muutuja dispersiooni 2. Kasutatakse dispersioonanalüüsi ja loetakse funktsioon usaldatavaks ainult negatiivse F-suhte korral 3. Disperdioonide liitmise lause järgi peab ülddispersioon võrduma rühmade sisese ja rühmade vahelise dispersiooni korrutisega (vale) 4
võrra. Lineaarse regressioonikordaja märk väljendab seose positiivsust või negatiivsust. Regressioonijoonte parameetrite statistiliste hinnangute arvutamiseks kasutatakse jällegi vähimruutude meetodi abil leitud normaalvõrrandite süsteeme. Tähelepanu tuleb juhtida sellele, et regressioonifunktsioonid ei ole pöörduvad ning kahe nähtuse vahelise korrelatiivse seose uurimisel saame leida neist kummagi regressioonifunktsiooni eraldi. Seega analoogselt lineaarse regressioonivõrrandiga y x a yx byx x saab leida ka regressioonivõrrandi x y a xy b xy y , mis iseloomustab x muutumist y muutumisel. Need kaks regressioonisirget lõikuvad omavahel mingi nurga all, kusjuures see nurk on seda väiksem, mida tugevam on uuritavate nähtuste vaheline korrelatiivne seos. 46. Korrelatsioonikordaja ja korrelatsioonisuhe
standardviga (sigma) väljavõtukskmiste standardhälbega. Üliõpilasel on antud ülesanne leida seos kahe valimi vahel. Mida ta peab tegema? 4. kahe valimi vahel ei saa seost leida 5. kahe valmi vahel saab seost leida.. 6. korrelatsioonisuhte, ülddispersiooni leidma Kus kasutatakse diskreetset ehk sõredat tunnust? Näit: Laste arv peres Pidevat tunnust? Näit: mistahes reaalarv, inimeste kasv Seose hindamisel tuleb leida kaks lineaarset regressioonifunktsiooni ning regressioonikordajate geomeetriline keskmine. Lineaarne regressioonimudelil: 6. pole põhjus ega tagajärge 7. kordaja võb olla nii pos kui neg 8. vabaliikme abil saame kirjeldada seoste tugevust 9. regressiooni kordaja b abil saame kirjeldada seose tugevust Regressioonianalüüsi kõige üldisem eesmärk: 4. kirjldada korrlatiivset seost metemaatika funktsioonina Pidev juhuslik suurus... 5
annaabi.ee 
