Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
10.2 Regresijska analiza. Jednostavni linearni regresijski model.<br />
10.2.1 Uvod<br />
U ovom je potpoglavlju Y slučajna varijabla koja ovisi o vrijednostima x nezavisne varijable<br />
X. S druge strane, pretpostavljamo da imamo kontrolu nad vrijednostima x nezavisne<br />
varijable, odnosno, da ih mi na neki način zadajemo. Dakle, ovdje X nije slučajna varijabla.<br />
Regresijska analiza se sastoji od odabira i prilagodbe odgovarajućeg modela (u našem<br />
slučaju, linearnog) opaženim podacima, u svrhu predvidanja individualnih ili očekivanih vrijednosti<br />
od Y za zadanu vrijednost x od X. Prije postavljanja potpunog modela, podatke<br />
treba ispitati deskriptivnim metodama (npr. grafički) da se vidi koje su sve pretpostavke<br />
na model razumne.<br />
Podatke (10.1) interpretiramo kao realizaciju slučajnog uzorka<br />
pri čemu pretpostavljamo da vrijedi<br />
(x 1 , Y 1 ), (x 2 , Y 2 ), . . . , (x n , Y n )<br />
Y i = α + βx i + ε i , i = 1, 2, . . . , n, (10.3)<br />
gdje su α, β parametri modela (α je slobodni član, a β je koeficijent smjera pravca), a<br />
ε i (i = 1, 2, . . . , n) su slučajne varijable koje zovemo slučajnim pogreškama ili šumovima.<br />
Model (10.3) za vezu izmedu komponenti od (X, Y ) zovemo jednostavni linearni regresijski<br />
model. Dodatne su pretpostavke na jednostavni linearni regresijski model, preciznije, na<br />
slučajne pogreške, da su:<br />
(A1) centrirane: E[ε i ] = 0 za sve i;<br />
(A2) jednake varijance: Var[ε i ] = σ 2 za sve i;<br />
(A3) nekorelirane: cov[ε i , ε j ] = 0 za sve i ≠ j.<br />
Uvjete (A1 − 3) zovemo Gauss-Markovljevim uvjetima.<br />
10.2.2 Prilagodba modela<br />
Prilagodba linearnog regresijskog modela za koji vrijede Gauss-Markovljevi uvjeti sastoji<br />
se od:<br />
(a) procjene parametara α i β;<br />
(b) procjene zajedničke varijance grešaka σ 2 .<br />
Regresijski parametri α i β procjenjuju se metodom najmanjih kvadrata. Neka je<br />
n∑<br />
q(α, β) := (y i − (α + βx i )) 2 (10.4)<br />
i=1<br />
funkcija kojom se mjeri ukupan zbroj kvadrata odstupanja opaženih vrijednosti y i od vrijednosti<br />
predvidenih pravcem y = α + βx u točkama x = x i za i = 1, 2, . . . , n. Procjene ˆα<br />
i ˆβ parametara regresijskog pravca su one vrijednosti α i β za koje funkcija q(α, β) postiže<br />
svoj minimum:<br />
q(ˆα, ˆβ) = min q(α, β).<br />
α,β<br />
91