Introduzione ai modelli lineari - Analisi statistica ... - Docente.unicas.it
Introduzione ai modelli lineari - Analisi statistica ... - Docente.unicas.it
Introduzione ai modelli lineari - Analisi statistica ... - Docente.unicas.it
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Introduzione</strong> <strong>ai</strong><strong>modelli</strong> <strong>lineari</strong>Modelli <strong>lineari</strong>I <strong>modelli</strong> <strong>lineari</strong> forniscono una buona descrizione su come i predatori (variabiliindipendenti) influenzano la variabile di risposta (dipendente). In termini dicapac<strong>it</strong>à pred<strong>it</strong>tive, i <strong>modelli</strong> <strong>lineari</strong> risultano in alcuni casi migliori dei piùrecenti <strong>modelli</strong> non <strong>lineari</strong>.N osservazioni (x 1 , y 1 ) , (x 1 , y 1 ) , . . . , (x N , y N )x i è un vettore contenente i pred<strong>it</strong>toriy i è la variabile di rispostaLe osservazioni sono realizzazioni delle variabili casuali X e Y . La funzione diregressione è la media condizionata della variabile di risposta Y dati i valoriosservati di xA. IodiceRegressione linearesempliceModello diregressione linearemultiplaObiettivi dellaregressioneE(Y | X = x)La funzione di regressione lineare è quindiE(Y | X = x) = β 0 + β 1 x 1 + β 1 x 1 + . . . + β px p
Change language