Regression analysis (original) (raw)
La regressió estadística o regressió a la mitjana és la tendència d'una mesura extrema a presentar-se més propera a la mitjana en una segona mesura. La regressió s'utilitza per predir una mesura basant-nos en el coneixement d'una altra.
| Property | Value |
|---|---|
| dbo:abstract | تحليل الانحدار أو تحليل الارتباط أو تحليل الانكفاء (بالإنجليزية: regression analysis) هو كل طريقة إحصائية يتم فيها التنبؤ بمتوسط متغير عشوائي أو عدة متغيرات عشوائية اعتمادا على قيم وقياسات متغيرات عشوائية أخرى. له عدة أنواع مثل: الانحدار الخطي، والانحدار اللوجستي، وانحدار بواسون، . تحليل الانحدار هو أكثر من عملية (أي اختيار المنحنى الأكثر ملائمة لمجموعة معطاة) فهو يتضمن ملائمة نموذج باستخدام مكونات حتمية واعتباطية. المكونات الحتمية تدعى المتنبئات أما المكونات الاعتباطية فتدعى الخطأ. الشكل الأبسط لنموذج الانحدار يحوي متغيرا تابعا (غير مستقل) (يدعى أيضا متغير الخرج، أو المتغير الداخلي أو المتغير ع) إضافة إلى متغير مستقل (يدعى العامل، أو المتغير الخارجي، أو المتغير-س). من الأمثلة النموذجية على تحليل الانحدار: اعتماد ضغط الدم Y على عمر الشخص X، أو اعتماد الوزن لحيوانات التجربة Y على معدل التغذية اليومي X. هذا الارتباط والتابعية بين X وY هي ما ندعوه بالانحدار أو الارتباط فنقول ارتباط Y ب X. ويلاحظ من ذلك أن نموذج الانحدار يعتمد دائماً على علاقة السببية بمعنى ان يكون التغير في المتغير المستقل مسببا رئيسيا للتغير في المتغير التابع. ونظرية تحليل الانحدار تعتمد على النظرية الاقتصادية بين متغيرين أي أنها تفترض ثبات العوامل الأخرى. (ar) La regressió estadística o regressió a la mitjana és la tendència d'una mesura extrema a presentar-se més propera a la mitjana en una segona mesura. La regressió s'utilitza per predir una mesura basant-nos en el coneixement d'una altra. (ca) Regresní analýza je označení statistických metod, pomocí nichž odhadujeme hodnotu jisté náhodné veličiny (takzvané závisle proměnné, nazývané též cílová proměnná, regresand anebo vysvětlovaná proměnná) na základě znalosti jiných veličin (nezávisle proměnných, regresorů, kovariát anebo vysvětlujících proměnných). Regresní analýza dnes patří k nejvýznamnějším metodám matematické statistiky a samostatně či ve spojení s jinými metodami se používá prakticky v každé oblasti empirické a aplikované vědy. Do statistiky zavedl pojem regrese britský učenec Francis Galton kolem roku 1880, a to jako „regres(i) k průměru.“ Tím označil fakt, že např. synové vysokých rodičů jsou sice v průměru (statisticky) vyšší než průměrná populace, zároveň ale individuálně nedosahují extrémních hodnot předchozí generace. Jako kdyby se jedinci postupně „vraceli k průměru.“ Podobně je tomu i s jinými vlastnostmi, nejen u lidí. Galtonův název se z jeho eugenických výzkumů přenosu vlastností mezi generacemi rozšířil na jakékoli zkoumání souvislostí mezi náhodnými veličinami a vznikla statistická . Přitom se však význam pojmu posunul, takže zde může docházet k nedorozuměním. (cs) Η παλινδρόμηση είναι μια ευρέως χρησιμοποιούμενη στατιστική τεχνική μοντελοποίησης για την έρευνα της συσχέτισης μεταξύ μίας εξαρτώμενης μεταβλητής και μιας ή περισσότερων ανεξάρτητων μεταβλητών . Χρησιμοποιείται με σκοπό την εκχώρηση δεδομένων σε μία πραγματική μεταβλητή πρόβλεψης, όπως ισχύει και στην περίπτωση της κατηγοριοποίησης όταν είναι διακριτή, αλλιώς καλείται παλινδρόμηση αν η μεταβλητή είναι συνεχής.Η παλινδρόμηση προϋποθέτει ότι τα σχετικά δεδομένα ταιριάζουν με μερικά γνωστά είδη συνάρτησης και μετά καθορίζει την καλύτερη συνάρτηση αυτού του είδους που μοντελοποιεί τα δεδομένα που έχουν δοθεί. Αποτέλεσμα της παλινδρόμησης όταν χρησιμοποιείται ως τεχνική εξόρυξης δεδομένων, αποτελεί ένα μοντέλο που χρησιμοποιείται αργότερα για να προβλέψει τις τιμές της κατηγορίας για τα νέα δεδομένα. Τέτοια παραδείγματα εφαρμογής της παλινδρόμησης αποτελεί η πρόβλεψη της ζήτησης για ένα νέο προϊόν ή υπηρεσία συναρτήσει των δαπανών διαφήμισης ή ο υπολογισμός της ταχύτητας του ανέμου σε σχέση με την θερμοκρασία, την υγρασία και την ατμοσφαιρική πίεση του περιβάλλοντος. (el) Regreso estas unu el aro da statistikaj metodoj tre uzataj por analizi rilaton de dependa variablo al unu aŭ pluraj aliaj sendependaj variabloj. Pli specife, regreso helpas komprenigi, kiel tipa valoro de dependa variablo ŝanĝas, kiam unu el la sendependaj variabloj varias, dum la aliaj sendependaj variabloj restas senŝanĝaj. Regresanalizo estas vaste uzata por prognozo kaj antaŭvido, kiam la laborkampo proksimiĝas al artefarita inteligenteco. Granda aro da teĥnikoj por trakti analizojn estis realigitaj. Konataj metodoj, kiel la lineara regreso kaj la , estas parametraj regresoj, ĉar ilia regresofunkcio, kiu bildigas la problemon, estas difinita per finia nombro da nekonataj parametroj, kiuj estas laŭtaksataj el la datenoj. Neparametraj regresoj estas malpli konataj, kaj rilatas al teĥnikoj, kiuj permesas regresojn ligitajn al specifa aro da funkcioj, kun okazeble nefiniaj dimensioj. (eo) Die Regressionsanalyse ist ein Instrumentarium statistischer Analyseverfahren, die zum Ziel haben, Beziehungen zwischen einer abhängigen (oft auch erklärte Variable, oder Regressand genannt) und einer oder mehreren unabhängigen Variablen (oft auch erklärende Variablen, oder Regressoren genannt) zu modellieren. Die Durchführung einer Regression wird verwendet, um Zusammenhänge quantitativ zu beschreiben oder Werte der abhängigen Variablen zu prognostizieren. Die häufigste Form der Regressionsanalyse ist die lineare Regression, bei der der Anwender eine Gerade (oder eine komplexere lineare Funktion) findet, die den Daten nach einem bestimmten mathematischen Kriterium am besten entspricht. Beispielsweise berechnet die gewöhnliche Methode der kleinsten Quadrate eine eindeutige Gerade (oder Hyperebene), die die Summe der Abweichungsquadrate zwischen den wahren Daten und dieser Linie (oder Hyperebene), d. h. die Residuenquadratsumme minimiert. Aus bestimmten mathematischen Gründen kann der Anwender den bedingten Erwartungswert der abhängigen Variablen schätzen, wenn die unabhängigen Variablen eine bestimmte Menge von Werten annehmen. Weniger gebräuchliche Formen der Regression verwenden geringfügig unterschiedliche Verfahren zum Schätzen alternativer Lageparameter (z. B. die Quantilsregression) oder zum Schätzen des bedingten Erwartungswertes für eine breitere Klasse nichtlinearer Modelle (z. B. nichtparametrische Regression). Die Regressionsanalyse wird hauptsächlich zu zwei konzeptionell unterschiedlichen Zwecken verwendet. Erstens wird die Regressionsanalyse häufig für Schätzungen und Vorhersagen verwendet, bei denen sich ihre Verwendung erheblich mit dem Bereich des maschinellen Lernens überschneidet, siehe auch symbolische Regression. Zweitens kann in einigen Situationen eine Regressionsanalyse verwendet werden, um auf kausale Beziehungen zwischen den unabhängigen und abhängigen Variablen zu schließen. Wichtig ist, dass Regressionen für sich genommen nur Beziehungen zwischen einer abhängigen Variablen und einer oder mehrerer unabhängiger Variablen in einem gegebenen Datensatz aufzeigen. Um Regressionen für Vorhersagen zu verwenden oder Kausalzusammenhänge herzuleiten, muss der Anwender sorgfältig begründen, warum bestehende Beziehungen Vorhersagekraft für einen neuen Kontext haben oder warum eine Beziehung zwischen zwei Variablen eine Kausalzusammenhangsinterpretation hat (Korrelation und Kausalzusammenhang). Letzteres ist besonders wichtig, wenn Anwender mithilfe von Beobachtungsdaten kausale Zusammenhänge abschätzen möchten. Durch die Ergänzung einer Entscheidungsregel wird eine Regression zu einem Klassifikationsverfahren. (de) Estatistikan, erregresio Y aldagai batek X beste aldagai batekiko duen mendekotasuna adierazten duen ekuazioa zehazteko erabiltzen den matematika prozedura da. Y mendeko aldagaia X aldagai askearen funtzio lineal batez geratzen da adierazia. Y aldagaian beste X, U, V… aldagaiekiko baldintzaturik espero den balioa da. Funtzio hori oso erabilia da estatistikan eta hurbilpenetan, x balio bakoitza u, v… aldagaietan dagozkion balioetara laburtzeko. (eu) En estadística, el análisis de la regresión es un proceso estadístico para estimar las relaciones entre variables. Incluye muchas técnicas para el modelado y análisis de diversas variables, cuando la atención se centra en la relación entre una variable dependiente y una o más variables independientes (o predictoras). Más específicamente, el análisis de regresión ayuda a entender cómo el valor de la variable dependiente varía al cambiar el valor de una de las variables independientes, manteniendo el valor de las otras variables independientes fijos. Más comúnmente, el análisis de regresión estima la esperanza condicional de la variable dependiente dadas las variables independientes - es decir, el valor promedio de la variable dependiente cuando se fijan las variables independientes. Con menor frecuencia, la atención se centra en un cuantil, u otro parámetro de localización de la distribución condicional de la variable dependiente dadas las variables independientes. En todos los casos, el objetivo de la estimación es una función de las variables independientes llamada la función de regresión. En el análisis de regresión, también es de interés caracterizar la variación de la variable dependiente en torno a la función de regresión, la cual puede ser descrita por una distribución de probabilidad. El análisis de regresión es ampliamente utilizado para la predicción y previsión, por su sencillez es una de las primeras herramientas matemáticas que se usa en el campo de aprendizaje automático. El análisis de regresión se utiliza también para comprender cuales de las variables independientes están relacionadas con la variable dependiente, y explorar las formas de estas relaciones. En circunstancias limitadas, el análisis de regresión puede utilizarse para inferir relaciones causales entre las variables independientes y dependientes. Sin embargo, esto puede llevar a ilusiones o relaciones falsas, por lo que se recomienda precaución, por ejemplo, la correlación no implica causalidad. Muchas técnicas han sido desarrolladas para llevar a cabo el análisis de regresión. Métodos familiares tales como la regresión lineal y la regresión por cuadrados mínimos ordinarios son paramétricos, en que la función de regresión se define en términos de un número finito de parámetros desconocidos que se estiman a partir de los datos. La regresión no paramétrica se refiere a las técnicas que permiten que la función de regresión consista en un conjunto específico de funciones, que puede ser de dimensión infinita. El desempeño de los métodos de análisis de regresión en la práctica depende de la forma del proceso de generación de datos, y cómo se relaciona con el método de regresión que se utiliza. Dado que la forma verdadera del proceso de generación de datos generalmente no se conoce, el análisis de regresión depende a menudo hasta cierto punto de hacer suposiciones acerca de este proceso. Estos supuestos son a veces comprobables si una cantidad suficiente de datos está disponible. Los modelos de regresión para la predicción son frecuentemente útiles aunque los supuestos sean violados moderadamente, aunque no pueden funcionar de manera óptima. Sin embargo, en muchas aplicaciones, sobre todo con pequeños efectos o las cuestiones de causalidad sobre la base de datos observacionales, los métodos de regresión pueden dar resultados engañosos. (es) Teicníc staidrimh is ea anailís ar chúlchéimniú (regression analysis) a úsáidtear chun an gaol idir athróga, agus íogaireacht athróige amháin d'athróg, nó d'athróga, eile a thomhas. Tá an anailís líneach nó neamhlíneach de ghnáth. (ga) In statistical modeling, regression analysis is a set of statistical processes for estimating the relationships between a dependent variable (often called the 'outcome' or 'response' variable, or a 'label' in machine learning parlance) and one or more independent variables (often called 'predictors', 'covariates', 'explanatory variables' or 'features'). The most common form of regression analysis is linear regression, in which one finds the line (or a more complex linear combination) that most closely fits the data according to a specific mathematical criterion. For example, the method of ordinary least squares computes the unique line (or hyperplane) that minimizes the sum of squared differences between the true data and that line (or hyperplane). For specific mathematical reasons (see linear regression), this allows the researcher to estimate the conditional expectation (or population average value) of the dependent variable when the independent variables take on a given set of values. Less common forms of regression use slightly different procedures to estimate alternative location parameters (e.g., quantile regression or Necessary Condition Analysis) or estimate the conditional expectation across a broader collection of non-linear models (e.g., nonparametric regression). Regression analysis is primarily used for two conceptually distinct purposes. First, regression analysis is widely used for prediction and forecasting, where its use has substantial overlap with the field of machine learning. Second, in some situations regression analysis can be used to infer causal relationships between the independent and dependent variables. Importantly, regressions by themselves only reveal relationships between a dependent variable and a collection of independent variables in a fixed dataset. To use regressions for prediction or to infer causal relationships, respectively, a researcher must carefully justify why existing relationships have predictive power for a new context or why a relationship between two variables has a causal interpretation. The latter is especially important when researchers hope to estimate causal relationships using observational data. (en) Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena sering kali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak. Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut. (in) En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification. Certaines méthodes, comme la régression logistique, sont à la fois des méthodes de régression au sens où il s'agit de prédire la probabilité d'appartenir à chacune des classes et des méthodes de classification. (fr) 回帰（かいき、（英: regression）とは、統計学において、Y が連続値の時にデータに Y = f(X) というモデル(「定量的な関係の構造」)を当てはめること。別の言い方では、連続尺度の従属変数（目的変数）Y と独立変数（説明変数）X の間にモデルを当てはめること。X が1次元ならば単回帰、X が2次元以上ならば重回帰と言う。Y が離散の場合は分類と言う。 回帰分析（かいきぶんせき、（英: regression analysis）とは、回帰により分析すること。 回帰で使われる、最も基本的なモデルは という形式の線形回帰である。 (ja) 통계학에서 회귀 분석(回歸分析, 영어: regression analysis)은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법이다. 회귀분석은 시간에 따라 변화하는 데이터나 어떤 영향, 가설적 실험, 인과 관계의 모델링등의 통계적 예측에 이용될 수 있다. 그러나 많은 경우 가정이 맞는지 아닌지 적절하게 밝혀지지 않은 채로 이용되어 그 결과가 오용되는 경우도 있다. 특히 의 발달로 분석이 용이해져서 결과를 쉽게 얻을 수 있지만 분석 방법의 선택이 적절했는지 또한 정보 분석이 정확한지 판단하는 것은 연구자에 달려 있다. (ko) L'analisi della regressione è una tecnica usata per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti. Lo scopo è stimare un'eventuale relazione funzionale esistente tra la variabile dipendente e le variabili indipendenti. La variabile dipendente nell'equazione di regressione è una funzione delle variabili indipendenti più un termine d'errore. Quest'ultimo è una variabile casuale e rappresenta una variazione non controllabile e imprevedibile nella variabile dipendente. I parametri sono stimati in modo da descrivere al meglio i dati. Il metodo più comunemente utilizzato per ottenere le migliori stime è il metodo dei "minimi quadrati" (OLS), ma sono utilizzati anche altri metodi. Il data modeling può essere usato senza alcuna conoscenza dei processi sottostanti che hanno generato i dati; in questo caso il modello è un modello empirico. Nella modellizzazione, inoltre, non è richiesta la conoscenza della distribuzione di probabilità degli errori. L'analisi della regressione richiede ipotesi riguardanti la distribuzione di probabilità degli errori. Test statistici vengono effettuati sulla base di tali ipotesi. Nell'analisi della regressione il termine "modello" comprende sia la funzione usata per modellare i dati che le assunzioni concernenti la distribuzione di probabilità. L'analisi della regressione può essere usata per effettuare previsioni (ad esempio per prevedere dati futuri di una serie temporale), inferenza statistica, per testare ipotesi o per modellare delle relazioni di dipendenza. Questi usi della regressione dipendono fortemente dal fatto che le assunzioni di partenza siano verificate. L'uso dell'analisi della regressione è stato criticato in diversi casi in cui le ipotesi di partenza non possono essere verificate. Un fattore che contribuisce all'uso improprio della regressione è che richiede più competenze per criticare un modello che per adattarlo. (it) Regresja – metoda statystyczna pozwalająca na opisanie współzmienności kilku zmiennych przez dopasowanie do nich funkcji. Umożliwia przewidywanie nieznanych wartości jednych wielkości na podstawie znanych wartości innych. Formalnie regresja to dowolna metoda statystyczna pozwalająca estymować warunkową wartość oczekiwaną zmiennej losowej, zwanej zmienną objaśnianą, dla zadanych wartości innej zmiennej lub wektora zmiennych losowych (tzw. zmiennych objaśniających). Użycie regresji w praktyce sprowadza się do dwóch faz: * konstruowanie modelu – budowa tzw. modelu regresyjnego, czyli funkcji opisującej, jak zależy wartość oczekiwana zmiennej objaśnianej od zmiennych objaśniających. Funkcja ta może być zadana nie tylko czystym wzorem matematycznym, ale także całym algorytmem, np. w postaci , sieci neuronowej itp. Model konstruuje się tak, aby jak najlepiej pasował do danych z próby, zawierającej zarówno zmienne objaśniające, jak i objaśniane (tzw. zbiór uczący). Mówiąc o wyliczaniu regresji ma się na myśli tę fazę. * stosowanie modelu (tzw. scoring) – użycie wyliczonego modelu do danych w których znamy tylko zmienne objaśniające, w celu wyznaczenia wartości oczekiwanej zmiennej objaśnianej. Dział statystyki zajmujący się modelami i metodami regresji zwany jest analizą regresji. Regresja, w której występuje więcej niż jedna zmienna objaśniająca, zwana jest regresją wieloraką (ang. multiple regression). (pl) Regressieanalyse is een statistische techniek voor het analyseren van gegevens waarin (mogelijk) sprake is van een specifieke samenhang, aangeduid als regressie. Deze samenhang houdt in dat de waarde van een stochastische variabele (de afhankelijke variabele), op een na, afhangt van een of meer in principe instelbare vrij te kiezen variabelen. De afhankelijke variabele wordt meestal met aangeduid en de onafhankelijke variabele met (eventueel als vector). Het verband is dan: Hierin stelt de storingsterm voor, die onafhankelijk is van (dat wil zeggen dat men aanneemt dat de volledige variatie te wijten is aan een fout in ). De functie is in de relatie onbekend, maar voor toepassing van regressieanalyse behoort deze wel tot een bepaalde klasse die met een beperkt aantal parameters beschreven kan worden. Het paar wordt wel aangeduid als onafhankelijke en afhankelijke variabele of als verklarende en te verklaren variabele; ook wordt wel gesproken van voorspeller en responsvariabele, of predictor en criteriumvariabele. (nl) Регрессио́нный анализ — набор статистических методов исследования влияния одной или нескольких независимых переменных на зависимую переменную . Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными или регрессантами. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных (см. Корреляция), а не причинно-следственные отношения. Наиболее распространённый вид регрессионного анализа — линейная регрессия, когда находят линейную функцию, которая, согласно определённым математическим критериям, наиболее соответствует данным. Например, в методе наименьших квадратов вычисляется прямая(или гиперплоскость), сумма квадратов между которой и данными минимальна. (ru) Regressionsanalys, regression, är en metod inom statistik där målet är att skapa en funktion som bäst passar observerad data. (sv) Em estatística, regressão é uma técnica que permite quantificar e inferir a relação de uma variável dependente (variável de resposta) com variáveis independentes (variáveis explicativas). A análise da regressão pode ser usada como um método descritivo da análise de dados (por exemplo, o ajustamento de curvas). Há vários métodos de estimação tais como método dos mínimos quadrados, método dos momentos generalizado e logit. A escolha do modelo dependente do comportamento das variáveis e dos dados. Os principais problemas que devem ser enfrentados em uma regressão são: multicolinearidade, heteroscedasticidade, autocorrelação e . (pt) 迴歸分析（英語：Regression Analysis）是一種統計學上分析數據的方法，目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。更具体的来说，回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。 迴歸分析是建立被解釋變數（或稱應變數、依變數、反應變數）與解釋變數（或稱自變數、獨立變數）之間關係的模型。使用一個自變量，複迴歸使用超過一個自變量（）。 (zh) Регресі́йний ана́ліз — розділ математичної статистики, присвячений методам аналізу залежності однієї величини від іншої. На відміну від кореляційного аналізу не з'ясовує чи , а займається пошуком моделі цього зв'язку, вираженої у функції регресії. Регресійний аналіз використовується в тому випадку, якщо відношення між змінними можуть бути виражені кількісно у виді деякої комбінації цих змінних. Отримана комбінація використовується для передбачення значення, що може приймати цільова (залежна) змінна, яка обчислюється на заданому наборі значень вхідних (незалежних) змінних. У найпростішому випадку для цього використовуються стандартні статистичні методи, такі як лінійна регресія. На жаль, більшість реальних моделей не вкладаються в рамки лінійної регресії. Наприклад, розміри продажів чи фондові ціни дуже складні для передбачення, оскільки можуть залежати від комплексу взаємозв'язків множин змінних. Таким чином, необхідні комплексні методи для передбачення майбутніх значень. (uk) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Normdist_regression.png?width=300 |
| dbo:wikiPageExternalLink | https://books.google.com/books%3Fid=tvc8AgAAQBAJ&printsec=frontcover%23v=onepage&q=%22regression%20analysis%22&f=false http://jeff560.tripod.com/r.html https://spss-tutor.com/multiple-regressions.php https://amstat.tandfonline.com/doi/abs/10.1080/07350015.1993.10509938 https://doi.org/10.1016/j.neunet.2015.05.005. http://www.vias.org/simulations/simusoft_regrot.html |
| dbo:wikiPageID | 826997 (xsd:integer) |
| dbo:wikiPageLength | 36737 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1124363059 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Carl_Friedrich_Gauss dbr:Bayesian_linear_regression dbr:Bayesian_statistics dbr:Prediction_interval dbr:List_of_fields_of_application_of_statistics dbr:Time_series dbr:Probit_model dbr:Anscombe's_quartet dbc:Regression_analysis dbr:Bias_of_an_estimator dbr:Pearson_correlation_coefficient dbr:Regression_validation dbr:Udny_Yule dbr:Degrees_of_freedom_(statistics) dbr:Dependent_and_independent_variables dbr:Interpolation dbr:Interval_predictor_model dbr:Limited_dependent_variable dbc:Actuarial_science dbr:Confidence_interval dbr:Errors_and_residuals dbr:Estimation_theory dbr:Gauss–Markov_theorem dbr:Generalized_linear_model dbr:Segmented_regression dbr:Poisson_regression dbr:Quantile_regression dbr:Quasi-variance dbr:Multivariate_normal_distribution dbr:Conditional_expectation dbr:Consistent_estimator dbr:Homoscedasticity dbr:Underdetermined_system dbr:Ordered_logit dbr:Ordered_probit dbr:Arithmetic_mean dbr:Machine_learning dbc:Curve_fitting dbr:Signal_processing dbr:Simple_linear_regression dbr:Statistical_model dbr:Statistical_significance dbr:Function_approximation dbr:Kriging dbr:Observational_study dbr:Spreadsheet dbr:Linear_least_squares_(mathematics) dbc:Estimation_theory dbr:Causality dbr:Central_limit_theorem dbr:Heckman_correction dbr:Errors-in-variables_model dbr:Errors_and_residuals_in_statistics dbr:Least_absolute_deviations dbr:Least_squares dbr:Linear_combination dbr:Linear_independence dbr:Linear_least_squares dbr:Linear_probability_model dbr:Linear_regression dbr:Local_regression dbr:Logistic_regression dbr:Adrien-Marie_Legendre dbr:Curve_fitting dbr:Euclidean_vector dbr:F-test dbr:Forecasting dbr:Francis_Galton dbr:Normal_distribution dbr:Causal_inference dbr:Censored_regression_model dbr:Diagonal_matrix dbr:Fraction_of_variance_unexplained dbr:Goodness_of_fit dbr:Judith_Tanur dbr:Dependent_variable dbr:Nonparametric_regression dbr:Prediction dbr:Regression_toward_the_mean dbr:Residual_sum_of_squares dbr:Robust_regression dbr:Stepwise_regression dbr:Heteroscedasticity-consistent_standard_errors dbr:Invertible_matrix dbr:Covariance_matrix dbr:Hyperplane dbr:Karl_Pearson dbr:Econometrics dbr:Taxicab_geometry dbr:Trend_estimation dbr:Statistical_assumption dbr:Standard_error_(statistics) dbr:Growth_curve_(statistics) dbr:D.V._Lindley dbr:Mean_square_error dbr:Method_of_least_squares dbr:Independent_variable dbr:Ordinary_least_squares dbr:Categorical_variable dbr:Modifiable_areal_unit_problem dbr:Multivariate_adaptive_regression_splines dbr:Scalar_(physics) dbr:Scenario_optimization dbr:Newey–West_estimator dbr:Yadolah_Dodge dbr:Extrapolation dbr:William_Kruskal dbr:Polychoric_correlation dbr:Uncorrelated dbr:New_Palgrave:_A_Dictionary_of_Economics dbr:Average_value dbr:Hypothesis_test dbr:Bayesian_method dbr:Ordinal_variable dbr:Negative_binomial dbr:Efficient_(statistics) dbr:Joint_distribution dbr:R-squared dbr:Regression_intercept dbr:Regressor dbr:Conditional_distribution dbr:Julian_C._Stanley dbr:Population_parameter dbr:Location_parameters dbr:Multinomial_logit dbr:Multivariate_probit dbr:Ronald_A._Fisher dbr:T-test dbr:File:Linear_regression.svg dbr:File:CurveWeightHeight.png dbr:File:Normdist_regression.png |
| dbp:id | p/r080620 (en) |
| dbp:title | Regression analysis (en) |
| dbp:wikiPageUsesTemplate | dbt:Springer dbt:Regression_bar dbt:Authority_control dbt:Citation_needed dbt:Cite_book dbt:Cite_journal dbt:Commons_category dbt:Div_col dbt:Div_col_end dbt:Hatnote dbt:Main dbt:Main_list dbt:More_citations_needed_section dbt:Portal dbt:Reflist dbt:Short_description dbt:Isbn dbt:Least_squares_and_regression_analysis dbt:Quantitative_forecasting_methods dbt:Public_health dbt:Statistics dbt:Category_see_also dbt:Machine_learning dbt:Differentiable_computing |
| dct:subject | dbc:Regression_analysis dbc:Actuarial_science dbc:Curve_fitting dbc:Estimation_theory |
| gold:hypernym | dbr:Process |
| rdf:type | owl:Thing dbo:Election |
| rdfs:comment | La regressió estadística o regressió a la mitjana és la tendència d'una mesura extrema a presentar-se més propera a la mitjana en una segona mesura. La regressió s'utilitza per predir una mesura basant-nos en el coneixement d'una altra. (ca) Estatistikan, erregresio Y aldagai batek X beste aldagai batekiko duen mendekotasuna adierazten duen ekuazioa zehazteko erabiltzen den matematika prozedura da. Y mendeko aldagaia X aldagai askearen funtzio lineal batez geratzen da adierazia. Y aldagaian beste X, U, V… aldagaiekiko baldintzaturik espero den balioa da. Funtzio hori oso erabilia da estatistikan eta hurbilpenetan, x balio bakoitza u, v… aldagaietan dagozkion balioetara laburtzeko. (eu) Teicníc staidrimh is ea anailís ar chúlchéimniú (regression analysis) a úsáidtear chun an gaol idir athróga, agus íogaireacht athróige amháin d'athróg, nó d'athróga, eile a thomhas. Tá an anailís líneach nó neamhlíneach de ghnáth. (ga) 回帰（かいき、（英: regression）とは、統計学において、Y が連続値の時にデータに Y = f(X) というモデル(「定量的な関係の構造」)を当てはめること。別の言い方では、連続尺度の従属変数（目的変数）Y と独立変数（説明変数）X の間にモデルを当てはめること。X が1次元ならば単回帰、X が2次元以上ならば重回帰と言う。Y が離散の場合は分類と言う。 回帰分析（かいきぶんせき、（英: regression analysis）とは、回帰により分析すること。 回帰で使われる、最も基本的なモデルは という形式の線形回帰である。 (ja) 통계학에서 회귀 분석(回歸分析, 영어: regression analysis)은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법이다. 회귀분석은 시간에 따라 변화하는 데이터나 어떤 영향, 가설적 실험, 인과 관계의 모델링등의 통계적 예측에 이용될 수 있다. 그러나 많은 경우 가정이 맞는지 아닌지 적절하게 밝혀지지 않은 채로 이용되어 그 결과가 오용되는 경우도 있다. 특히 의 발달로 분석이 용이해져서 결과를 쉽게 얻을 수 있지만 분석 방법의 선택이 적절했는지 또한 정보 분석이 정확한지 판단하는 것은 연구자에 달려 있다. (ko) Регрессио́нный анализ — набор статистических методов исследования влияния одной или нескольких независимых переменных на зависимую переменную . Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными или регрессантами. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных (см. Корреляция), а не причинно-следственные отношения. Наиболее распространённый вид регрессионного анализа — линейная регрессия, когда находят линейную функцию, которая, согласно определённым математическим критериям, наиболее соответствует данным. Например, в методе наименьших квадратов вычисляется прямая(или гиперплоскость), сумма квадратов между которой и данными минимальна. (ru) Regressionsanalys, regression, är en metod inom statistik där målet är att skapa en funktion som bäst passar observerad data. (sv) 迴歸分析（英語：Regression Analysis）是一種統計學上分析數據的方法，目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。更具体的来说，回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。 迴歸分析是建立被解釋變數（或稱應變數、依變數、反應變數）與解釋變數（或稱自變數、獨立變數）之間關係的模型。使用一個自變量，複迴歸使用超過一個自變量（）。 (zh) تحليل الانحدار أو تحليل الارتباط أو تحليل الانكفاء (بالإنجليزية: regression analysis) هو كل طريقة إحصائية يتم فيها التنبؤ بمتوسط متغير عشوائي أو عدة متغيرات عشوائية اعتمادا على قيم وقياسات متغيرات عشوائية أخرى. له عدة أنواع مثل: الانحدار الخطي، والانحدار اللوجستي، وانحدار بواسون، . تحليل الانحدار هو أكثر من عملية (أي اختيار المنحنى الأكثر ملائمة لمجموعة معطاة) فهو يتضمن ملائمة نموذج باستخدام مكونات حتمية واعتباطية. المكونات الحتمية تدعى المتنبئات أما المكونات الاعتباطية فتدعى الخطأ. ونظرية تحليل الانحدار تعتمد على النظرية الاقتصادية بين متغيرين أي أنها تفترض ثبات العوامل الأخرى. (ar) Regresní analýza je označení statistických metod, pomocí nichž odhadujeme hodnotu jisté náhodné veličiny (takzvané závisle proměnné, nazývané též cílová proměnná, regresand anebo vysvětlovaná proměnná) na základě znalosti jiných veličin (nezávisle proměnných, regresorů, kovariát anebo vysvětlujících proměnných). Regresní analýza dnes patří k nejvýznamnějším metodám matematické statistiky a samostatně či ve spojení s jinými metodami se používá prakticky v každé oblasti empirické a aplikované vědy. (cs) Η παλινδρόμηση είναι μια ευρέως χρησιμοποιούμενη στατιστική τεχνική μοντελοποίησης για την έρευνα της συσχέτισης μεταξύ μίας εξαρτώμενης μεταβλητής και μιας ή περισσότερων ανεξάρτητων μεταβλητών . Χρησιμοποιείται με σκοπό την εκχώρηση δεδομένων σε μία πραγματική μεταβλητή πρόβλεψης, όπως ισχύει και στην περίπτωση της κατηγοριοποίησης όταν είναι διακριτή, αλλιώς καλείται παλινδρόμηση αν η μεταβλητή είναι συνεχής.Η παλινδρόμηση προϋποθέτει ότι τα σχετικά δεδομένα ταιριάζουν με μερικά γνωστά είδη συνάρτησης και μετά καθορίζει την καλύτερη συνάρτηση αυτού του είδους που μοντελοποιεί τα δεδομένα που έχουν δοθεί. Αποτέλεσμα της παλινδρόμησης όταν χρησιμοποιείται ως τεχνική εξόρυξης δεδομένων, αποτελεί ένα μοντέλο που χρησιμοποιείται αργότερα για να προβλέψει τις τιμές της κατηγορίας για τα νέα δ (el) Die Regressionsanalyse ist ein Instrumentarium statistischer Analyseverfahren, die zum Ziel haben, Beziehungen zwischen einer abhängigen (oft auch erklärte Variable, oder Regressand genannt) und einer oder mehreren unabhängigen Variablen (oft auch erklärende Variablen, oder Regressoren genannt) zu modellieren. Die Durchführung einer Regression wird verwendet, um Zusammenhänge quantitativ zu beschreiben oder Werte der abhängigen Variablen zu prognostizieren. Die häufigste Form der Regressionsanalyse ist die lineare Regression, bei der der Anwender eine Gerade (oder eine komplexere lineare Funktion) findet, die den Daten nach einem bestimmten mathematischen Kriterium am besten entspricht. Beispielsweise berechnet die gewöhnliche Methode der kleinsten Quadrate eine eindeutige Gerade (oder Hyp (de) Regreso estas unu el aro da statistikaj metodoj tre uzataj por analizi rilaton de dependa variablo al unu aŭ pluraj aliaj sendependaj variabloj. Pli specife, regreso helpas komprenigi, kiel tipa valoro de dependa variablo ŝanĝas, kiam unu el la sendependaj variabloj varias, dum la aliaj sendependaj variabloj restas senŝanĝaj. Regresanalizo estas vaste uzata por prognozo kaj antaŭvido, kiam la laborkampo proksimiĝas al artefarita inteligenteco. (eo) En estadística, el análisis de la regresión es un proceso estadístico para estimar las relaciones entre variables. Incluye muchas técnicas para el modelado y análisis de diversas variables, cuando la atención se centra en la relación entre una variable dependiente y una o más variables independientes (o predictoras). Más específicamente, el análisis de regresión ayuda a entender cómo el valor de la variable dependiente varía al cambiar el valor de una de las variables independientes, manteniendo el valor de las otras variables independientes fijos. Más comúnmente, el análisis de regresión estima la esperanza condicional de la variable dependiente dadas las variables independientes - es decir, el valor promedio de la variable dependiente cuando se fijan las variables independientes. Con men (es) In statistical modeling, regression analysis is a set of statistical processes for estimating the relationships between a dependent variable (often called the 'outcome' or 'response' variable, or a 'label' in machine learning parlance) and one or more independent variables (often called 'predictors', 'covariates', 'explanatory variables' or 'features'). The most common form of regression analysis is linear regression, in which one finds the line (or a more complex linear combination) that most closely fits the data according to a specific mathematical criterion. For example, the method of ordinary least squares computes the unique line (or hyperplane) that minimizes the sum of squared differences between the true data and that line (or hyperplane). For specific mathematical reasons (see li (en) Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena sering kali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak. (in) En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. (fr) L'analisi della regressione è una tecnica usata per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti. Lo scopo è stimare un'eventuale relazione funzionale esistente tra la variabile dipendente e le variabili indipendenti. La variabile dipendente nell'equazione di regressione è una funzione delle variabili indipendenti più un termine d'errore. Quest'ultimo è una variabile casuale e rappresenta una variazione non controllabile e imprevedibile nella variabile dipendente. I parametri sono stimati in modo da descrivere al meglio i dati. Il metodo più comunemente utilizzato per ottenere le migliori stime è il metodo dei "minimi quadrati" (OLS), ma sono utilizzati anche altri metodi. (it) Regressieanalyse is een statistische techniek voor het analyseren van gegevens waarin (mogelijk) sprake is van een specifieke samenhang, aangeduid als regressie. Deze samenhang houdt in dat de waarde van een stochastische variabele (de afhankelijke variabele), op een na, afhangt van een of meer in principe instelbare vrij te kiezen variabelen. De afhankelijke variabele wordt meestal met aangeduid en de onafhankelijke variabele met (eventueel als vector). Het verband is dan: (nl) Em estatística, regressão é uma técnica que permite quantificar e inferir a relação de uma variável dependente (variável de resposta) com variáveis independentes (variáveis explicativas). A análise da regressão pode ser usada como um método descritivo da análise de dados (por exemplo, o ajustamento de curvas). Há vários métodos de estimação tais como método dos mínimos quadrados, método dos momentos generalizado e logit. A escolha do modelo dependente do comportamento das variáveis e dos dados. (pt) Regresja – metoda statystyczna pozwalająca na opisanie współzmienności kilku zmiennych przez dopasowanie do nich funkcji. Umożliwia przewidywanie nieznanych wartości jednych wielkości na podstawie znanych wartości innych. Formalnie regresja to dowolna metoda statystyczna pozwalająca estymować warunkową wartość oczekiwaną zmiennej losowej, zwanej zmienną objaśnianą, dla zadanych wartości innej zmiennej lub wektora zmiennych losowych (tzw. zmiennych objaśniających). Użycie regresji w praktyce sprowadza się do dwóch faz: (pl) Регресі́йний ана́ліз — розділ математичної статистики, присвячений методам аналізу залежності однієї величини від іншої. На відміну від кореляційного аналізу не з'ясовує чи , а займається пошуком моделі цього зв'язку, вираженої у функції регресії. (uk) |
| rdfs:label | Regression analysis (en) تحليل الانحدار (ar) Anàlisi de la regressió (ca) Regresní analýza (cs) Regressionsanalyse (de) Παλινδρόμηση (στατιστική) (el) Regreso (statistiko) (eo) Análisis de la regresión (es) Erregresio-analisi (eu) Anailís ar chúlchéimniú (ga) Analisis regresi (in) Régression (statistiques) (fr) Analisi della regressione (it) 회귀 분석 (ko) 回帰分析 (ja) Regresja (statystyka) (pl) Regressieanalyse (nl) Регрессионный анализ (ru) Regressão (estatística) (pt) Regressionsanalys (sv) 迴歸分析 (zh) Регресійний аналіз (uk) |
| owl:sameAs | freebase:Regression analysis http://d-nb.info/gnd/4129903-6 wikidata:Regression analysis dbpedia-ar:Regression analysis http://ast.dbpedia.org/resource/Analís_de_la_regresión dbpedia-az:Regression analysis dbpedia-bg:Regression analysis http://bn.dbpedia.org/resource/নির্ভরণ_বিশ্লেষণ dbpedia-ca:Regression analysis dbpedia-cs:Regression analysis dbpedia-da:Regression analysis dbpedia-de:Regression analysis dbpedia-el:Regression analysis dbpedia-eo:Regression analysis dbpedia-es:Regression analysis dbpedia-et:Regression analysis dbpedia-eu:Regression analysis dbpedia-fa:Regression analysis dbpedia-fi:Regression analysis dbpedia-fr:Regression analysis dbpedia-ga:Regression analysis dbpedia-gl:Regression analysis dbpedia-he:Regression analysis http://hi.dbpedia.org/resource/समाश्रयण_विश्लेषण dbpedia-hu:Regression analysis dbpedia-id:Regression analysis dbpedia-is:Regression analysis dbpedia-it:Regression analysis dbpedia-ja:Regression analysis http://jv.dbpedia.org/resource/Analisis_régrèsi dbpedia-ko:Regression analysis http://lv.dbpedia.org/resource/Lineārās_regresijas_analīze dbpedia-nl:Regression analysis dbpedia-nn:Regression analysis dbpedia-no:Regression analysis dbpedia-pl:Regression analysis dbpedia-pt:Regression analysis dbpedia-ro:Regression analysis dbpedia-ru:Regression analysis dbpedia-simple:Regression analysis dbpedia-sr:Regression analysis http://su.dbpedia.org/resource/Analisis_régrési dbpedia-sv:Regression analysis http://tg.dbpedia.org/resource/Таҳлили_регрессия http://tl.dbpedia.org/resource/Regresyong_analisis dbpedia-tr:Regression analysis dbpedia-uk:Regression analysis http://uz.dbpedia.org/resource/Regressiya_(matematika) dbpedia-vi:Regression analysis dbpedia-zh:Regression analysis https://global.dbpedia.org/id/z1qq |
| prov:wasDerivedFrom | wikipedia-en:Regression_analysis?oldid=1124363059&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Linear_regression.svg wiki-commons:Special:FilePath/CurveWeightHeight.png wiki-commons:Special:FilePath/Normdist_regression.png |
| foaf:isPrimaryTopicOf | wikipedia-en:Regression_analysis |
| is dbo:knownFor of | dbr:Yadolah_Dodge |
| is dbo:wikiPageDisambiguates of | dbr:Regression |
| is dbo:wikiPageRedirects of | dbr:History_of_regression_analysis dbr:Regression_Analysis dbr:Regression_model dbr:Statistical_regression dbr:Multiple_regression dbr:Regression_(machine_learning) dbr:Regression_equation dbr:Regression_equations dbr:Regression_estimation dbr:Regression_function dbr:Population_Regression_Function dbr:Population_regression_function dbr:Multiple_regression_analysis |
| is dbo:wikiPageWikiLink of | dbr:Capital_Region_International_Airport dbr:Bayesian_information_criterion dbr:Behavioural_genetics dbr:Benchmarking dbr:Power_law dbr:Prediction_interval dbr:Production_function dbr:Qualitative_comparative_analysis dbr:Scientific_method dbr:Scientific_racism dbr:Scikit-learn dbr:Scikit-multiflow dbr:Elaeis_guineensis dbr:End-of-history_illusion dbr:Endogeneity_(econometrics) dbr:Engineering_statistics dbr:Environmental_epidemiology dbr:Epistasis dbr:List_of_academic_fields dbr:List_of_datasets_for_machine-learning_research dbr:Moderation_(statistics) dbr:Multivariate_optical_computing dbr:Multivariate_statistics dbr:NAG_Numerical_Library dbr:Neural_network dbr:New_trade_theory dbr:Maas–Hoffman_model dbr:Meta-regression dbr:Methodological_advisor dbr:Methodology_of_econometrics dbr:Metisa_plana dbr:One_in_ten_rule dbr:Park_test dbr:Parkinsonian_gait dbr:Structural_estimation dbr:Time_series dbr:Probability_distribution_fitting dbr:Probit_model dbr:2012_United_States_House_of_Representatives_elections_in_Tennessee dbr:Beryl_May_Dent dbr:Beta dbr:De-sparsified_lasso dbr:Decision_intelligence dbr:Algorithmic_inference dbr:Antecedent_variable dbr:Aquaveo dbr:Architectural_psychology_in_Germany dbr:History_of_regression_analysis dbr:Hockey_stick_graph_(global_temperature) dbr:Hydrology dbr:Joseph_Berkson dbr:Jubatus dbr:Regression_validation dbr:Resampling_(statistics) dbr:Rexer's_Annual_Data_Miner_Survey dbr:Udny_Yule dbr:Vertica dbr:Decision_rule dbr:Decision_tree_learning dbr:Dependent_and_independent_variables dbr:Design_matrix dbr:Design_of_experiments dbr:Dummy_variable_(statistics) dbr:Durbin–Watson_statistic dbr:Income_and_fertility dbr:Index_of_economics_articles dbr:Index_of_philosophy_articles_(R–Z) dbr:Index_of_psychology_articles dbr:Influential_observation dbr:Interaction_(statistics) dbr:Interior_reconstruction dbr:Interval_estimation dbr:Interval_predictor_model dbr:Ivory_Bangle_Lady dbr:Leverage_(statistics) dbr:Leximetrics dbr:GTWR dbr:List_of_important_publications_in_statistics dbr:List_of_numerical_analysis_topics dbr:Structured_prediction dbr:Probit dbr:Pedotransfer_function dbr:Power_of_a_test dbr:Power_transform dbr:Predictive_intake_modelling dbr:Preference_learning dbr:Preference_regression dbr:Proper_linear_model dbr:Pseudoproxy dbr:Western_media dbr:Tire_model dbr:100-year_flood dbr:Confounding dbr:Convex_optimization dbr:Cook's_distance dbr:Correlation_does_not_imply_causation dbr:Coryphodon dbr:Crested_honey_buzzard dbr:Analysis dbr:Analysis_of_covariance dbr:Massive_Online_Analysis dbr:Mathcad dbr:Mean_squared_prediction_error dbr:SPSS dbr:Chemometrics dbr:Chi-square_automatic_interaction_detection dbr:Error_correction_model dbr:Errors_and_residuals dbr:Estimation_of_covariance_matrices dbr:Estimation_statistics dbr:Gender_bias_in_medical_diagnosis dbr:Gene_co-expression_network dbr:General_regression_neural_network dbr:Generalized_beta_distribution dbr:Gene–environment_correlation dbr:Geometallurgy dbr:Geopositioning dbr:Nominal_category dbr:Omitted-variable_bias dbr:Oracle_Data_Mining dbr:Outlier dbr:Segmented_regression dbr:Semiparametric_regression dbr:Tree_allometry dbr:Quantitative_structure–activity_relationship dbr:Sensory_neuroscience dbr:Sharp_EL-5120 dbr:Poisson_regression dbr:Unit_root dbr:Quantile_regression dbr:Sliced_inverse_regression dbr:Coefficient_of_determination dbr:Colin_Lingwood_Mallows dbr:Effect_size dbr:Enterprise_feedback_management dbr:Fruitafossor dbr:Functional_regression dbr:Gene_expression_programming dbr:Generative_model dbr:Glossary_of_artificial_intelligence dbr:Glossary_of_probability_and_statistics dbr:Modern_portfolio_theory dbr:Multivariable_calculus dbr:Multivariate_normal_distribution dbr:Murnaghan_equation_of_state dbr:Conditional_expectation dbr:Confidence_and_prediction_bands dbr:Conformal_prediction dbr:Conjoint_analysis dbr:Continuous_or_discrete_variable dbr:Continuum_robot dbr:Contrast_(statistics) dbr:Controlling_for_a_variable dbr:Criticism_of_Facebook dbr:Cross-sectional_data dbr:Cross-sectional_regression dbr:Crowd_counting dbr:The_Manga_Guides dbr:Theropoda dbr:Thornburg_v._Gingles dbr:Dale_Berger dbr:Mills_ratio dbr:Phenomenological_model dbr:Principle_of_marginality dbr:Statistical_inference dbr:Transportation_forecasting dbr:Optimal_discriminant_analysis_and_classification_tree_analysis dbr:Ordered_logit dbr:Orthogonal_array dbr:TI-BASIC dbr:Regression_Analysis dbr:Regression_model dbr:Andrey_Korotayev dbr:André-Michel_Guerry dbr:Antarctosaurus dbr:Apache_Spark dbr:Archaeoindris dbr:Basturs_Poble_bonebed dbr:Machine_learning dbr:Calculus_of_negligence dbr:Shogun_(toolbox) dbr:SmartPLS dbr:Sobel_test dbr:Standardized_coefficient dbr:Statgraphics dbr:Statistics dbr:Studentized_residual dbr:Sufficient_dimension_reduction dbr:Cluster-weighted_modeling dbr:Clustered_standard_errors dbr:Collider_(statistics) dbr:Comparison_of_statistical_packages dbr:Computational_economics dbr:Demand_forecasting dbr:Feature_(machine_learning) dbr:Feature_selection dbr:Frank_M._Bryan dbr:Function_approximation dbr:Idempotent_matrix dbr:Identifiability_analysis dbr:Kernel_(statistics) dbr:Kriging dbr:Real_estate_appraisal dbr:Partial_least_squares_regression dbr:Pattern_recognition dbr:Piecewise_linear_function dbr:Plot_(graphics) dbr:Portmanteau_test dbr:Principal_component_regression dbr:Machine_learning_in_bioinformatics dbr:Main_effect dbr:SUDAAN dbr:Spillover_(experiment) dbr:Spurious_relationship dbr:Structured_data_analysis_(statistics) dbr:Student's_t-distribution dbr:Tanagra_(machine_learning) dbr:Marketing_engineering dbr:Microexpression dbr:Predictive_Model_Markup_Language dbr:Restrictions_on_geographic_data_in_China dbr:Autocorrelation dbr:Backpropagation dbr:COCOMO dbr:AdaBoost dbr:Causality dbr:Central_limit_theorem dbr:Central_tendency dbr:Ceteris_paribus dbr:Aggregate_data dbr:Tobit_model dbr:Data_analysis dbr:Data_analysis_techniques_for_fraud_detection dbr:Data_and_information_visualization dbr:Data_exploration dbr:Data_mining dbr:Data_stream_mining dbr:WMS_(hydrology_software) dbr:Weka_(machine_learning) dbr:Wesley_Clair_Mitchell dbr:White_noise dbr:William_Sealy_Gosset dbr:Disparate_impact dbr:Distinction_(book) dbr:Drainage_research dbr:Galton's_problem dbr:HP_2100 dbr:Hazard_ratio dbr:Hedge_fund_replication dbr:Hedge_relationship_(finance) dbr:Hedonic_regression dbr:James_B._Aguayo-Martel dbr:Erum dbr:Joachim_Merz dbr:Júlia_Volaufová dbr:Katherine_Beckett dbr:Laplace_distribution dbr:Large-scale_macroeconometric_model dbr:Lasso_(statistics) dbr:Leadership_studies dbr:Learning_classifier_system dbr:Least-angle_regression dbr:Least-squares_adjustment dbr:Least-squares_support_vector_machine dbr:Least_absolute_deviations dbr:Least_squares dbr:Linear_discriminant_analysis dbr:Linear_least_squares dbr:Linear_regression dbr:Linear_trend_estimation dbr:Linkage_disequilibrium_score_regression dbr:Lisa_Cameron_(economist) dbr:Logistic_regression dbr:Truncated_regression_model dbr:Video_quality dbr:Sports_betting_systems dbr:Singular_spectrum_analysis dbr:Valuation_using_multiples dbr:2016_United_States_presidential_election dbr:Abena_Oduro dbr:2009_in_paleomammalogy dbr:Akaike_information_criterion dbr:Alternating_conditional_expectations dbr:Analytics dbr:Analytics_in_higher_education dbr:Ancel_Keys dbr:Curve_fitting dbr:Data_assimilation dbr:Economic_forecasting dbr:Economics dbr:Eran_Shor dbr:Evolutionary_origin_of_religions dbr:Experian,_Singapore dbr:F-test dbr:FiveThirtyEight dbr:Flood dbr:Forecasting dbr:Fossil_Fuel_Beta dbr:Francis_Galton dbr:Barry_N._Haack |
| is dbp:knownFor of | dbr:Yadolah_Dodge |
| is foaf:primaryTopic of | wikipedia-en:Regression_analysis |
