Next: Güte der Modellanpassung; Quadratsummen-Zerlegung
Up: Lineare Regression
Previous: Modellbeschreibung
  Contents
Methode der kleinsten Quadrate
- Wir nehmen nun an,
- dass die Regressionsfunktion
die in
(34) gegebene Form besitzt, d.h., wir betrachten
das lineare Regressionsmodell,
- und passen die Gerade
, die auch Ausgleichsgerade genannt wird, mit der Methode der kleinsten
Quadrate an die Datenpunkte
an.
- Mit anderen Worten: Wir zeigen,
- Und zwar minimiert dann der Vektor
mit
und |
(36) |
den mittleren quadratischen Fehler
,
- wobei
,
so wie bisher die
Stichprobenmittel von
bzw.
bezeichnen, d.h.
- und die Stichprobenvarianzen
bzw. die
Stichprobenkovarianz
gegeben sind durch
- Beachte
- Die in (36) angegebene Lösung
des Minimierungsproblems lässt
sich wie folgt herleiten.
- Wenn man die Funktion
nach
differenziert, so erkennt man, dass für jedes
die Zahl
den Wert des folgenden Ausdruckes minimiert:
- Mit anderen Worten: Für jedes
ist
der kleinste Wert des mittleren quadratischen Fehlers.
- Durch Differenzieren dieses Ausdruckes nach
ergibt sich
nun, dass das globale Minimum an der folgenden Stelle angenommen
wird;
- Beispiel
- Für das in Abschnitt 2.4.4 betrachtete Beispiel der
beiden Merkmale ,,Geburtsgewicht'' und ,,Gewichtszunahme''
ergibt sich, dass
und
.
- An das Streudiagramm dieses Datensatzes lässt sich somit die
folgende Regressionsgerade anpassen:
- Beachte
- Übungsaufgabe
- Bestimmen Sie für das in Abschnitt 2.4.1 betrachtete
Beispiel der Merkmale ,,Clusterzahl je Traube'' unsd
,,Jahresertrag'' die Werte
und
sowie
und
und
zeichnen Sie die beiden Regressionsgeraden in das Streudiagramm
dieses Datensatzes ein.
- Prognostizieren Sie mit Hilfe der Regressionsgerade
den Jahresertrag, der einer
mittleren Clusterzahl von 100 Beeren je Traube entsprechen würde.
Next: Güte der Modellanpassung; Quadratsummen-Zerlegung
Up: Lineare Regression
Previous: Modellbeschreibung
  Contents
Hendrik Schmidt
2003-07-21