Modh na gCearnóg is Lú: Réamhrá agus Feidhmiú in Anailís Sonraí
Pendahuuan
Tá Modh na gCearnóg is Lú ar cheann de na teicnící is bunúsaí agus is forleithne in anailís sonraí, go háirithe i staitisticí agus i matamaitic fheidhmeach. Tá sé mar aidhm ag an modh seo paraiméadair a mheas a íoslaghdaíonn suim chearnóg na ndialltaí breathnaithe ó mhúnla molta. San alt seo, déanfaimid iniúchadh ar choincheapa bunúsacha mhodh na gcearnóg is lú, a fheidhmeanna i réimsí éagsúla, agus céimeanna praiticiúla chun é a chur i bhfeidhm.
Coincheapa Bunúsacha na Modhanna Cearnóg is Lú
Is féidir an modh Cearnóg is Lú a mhíniú go simplí trí aischéimniú líneach. Abair go bhfuil sonraí againn i bhfoirm péirí (x_i, y_i)) áit a bhfuil i = 1, 2, …, n. Is féidir an tsamhail líneach is mian linn a thógáil a chur in iúl mar:
[y = β0 + β1x + epsilon]
áit a bhfuil β₀ agus β₁ na paraiméadair is mian linn a mheas, agus β₀ an earráid nó an t-iarmhar a bhfuiltear ag súil go mbeidh meán nialas aige.
Is é cuspóir mhodh na gcearnóg is lú an fheidhm chuspóra seo a leanas a íoslaghdú:
[S(β0, β1) = \sum_{i=1}^{n} (y_i – β0 – β1 x_i)^2 \]
Paraiméadair Optamacha a Aimsiú: Cur Chuige Matamaiticiúil
Chun na luachanna paraiméadair a íoslaghdaíonn an fheidhm chuspóra S a aimsiú, ní mór dúinn díorthaigh pháirteacha S a ríomh i leith β₀ agus β₁, agus ansin an chothromóid seo a leanas a réiteach:
[ \frac{\partial S}{\partial β_0} = -2 \sum_{i=1}^n (y_i – β_0 – β_1 x_i) = 0 \]
[ \frac{\partial S}{\partial β1} = -2 \sum_{i=1}^n x_i (y_i – β_0 – β_1 x_i) = 0 \]
Trí an córas cothromóidí líneacha seo a réiteach, is féidir linn na meastóirí \(\hat{\beta_0}\) agus \(\hat{\beta_1}\) a fháil:
[\hat{\beta_1} = \frac{n \sum_{i=1}^n x_i y_i – \sum_{i=1}^n x_i \sum_{i=1}^n y_i}{n \sum_{i=1}^n x_i^2 – (\sum_{i=1}^n x_i)^2} \]
[ \hat{\beta_0} = \bar{y} – \hat{\beta_1} \bar{x} \]
áit a bhfuil \(\bar{y}\) agus \(\bar{x}\) ina meánluachanna de \(y\) agus \(x\) faoi seach.
Feidhmiú Mhodh na gCearnóg is Lú
1. Eacnamaíocht agus Airgeadas
Úsáidtear modh na gcearnóg íosta go forleathan san eacnamaíocht chun samhaltú a dhéanamh ar chaidrimh idir athróga eacnamaíocha. Mar shampla, b’fhéidir gur mhaith le hanailísí eacnamaíoch samhaltú a dhéanamh ar thionchar an ráta dífhostaíochta ar bhoilsciú. Agus modh na gcearnóg íosta á úsáid aige, is féidir leis an anailísí samhail aischéimniúcháin a fhorbairt a nascann an dá athróg le chéile agus conclúidí staitistiúla a dhéanamh faoi neart agus nádúr an chaidrimh.
2. Eolaíochtaí Sóisialta
Sna heolaíochtaí sóisialta, is minic a úsáidtear modh na gcearnóg is lú i suirbhéanna agus i dtaighde síceolaíoch chun an gaol idir iompar an duine agus athróga eile a imscrúdú. Sampla clasaiceach is ea aischéimniú líneach simplí a chuireann leibhéal sonais duine aonair i gcomparáid lena n-ioncam bliantúil.
3. Innealtóireacht
San innealtóireacht, is féidir an modh cearnóg is lú a úsáid le haghaidh calabrú ionstraimí agus próiseáil comharthaí. Mar shampla, i bpróiseáil íomhá digiteach, úsáidtear an modh seo chun torann in íomhánna a laghdú trí mhúnla a fheistiú bunaithe ar shonraí breathnaithe.
4. Meitéareolaíocht agus Aeráideolaíocht
Úsáideann meitéareolaithe an modh seo chun sonraí a bhaineann le teocht, báisteach, nó athróga aimsire eile a anailísiú. Le samhlacha aischéimnithe, is féidir leo patrúin aimsire a thuar bunaithe ar shonraí stairiúla, rud a chabhraíonn le réamhaisnéisí níos cruinne a chruthú.
Cur i bhFeidhm Praiticiúil le Python
Chun an modh cearnóg is lú a chur i bhfeidhm go praiticiúil, go háirithe aischéimniú líneach simplí, is féidir linn an teanga ríomhchlárúcháin Python a úsáid le cabhair ó na leabharlanna `numpy` agus `matplotlib`. Seo sampla cóid a léiríonn an próiseas seo:
“` python
allmhairiú numpy mar np
allmhairiú matplotlib.pyplot mar plt
Sonraí samplacha
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 5, 7, 11])
Meán x agus y
meán_x = np.mean(x)
meán_y = np.mean(y)
Ríomh paraiméadair
uimhreoir = np.sum((x – meán_x) (y – meán_y))
ainmneoir = np.sum((x – meán_x) 2)
b1 = uimhreoir / ainmneoir
b0 = meán_y – b1 meán_x
Réamhaisnéis y
réamh_y = b0 + b1 x
Torthaí plota
plt.scatter(x, y, dath='gorm', lipéad='Sonraí Breathnóireachta')
plt.plot(x, réamh_y, dath='dearg', lipéad='Líne Aischéimnithe')
plt.xlabel('x')
plt.ylabel('y')
plt. finscéal()
plt.show ()
print(f”Comhéifeachtaí aischéimniúcháin: b0 = {b0}, b1 = {b1}”)
"`
Conclúid
Is bunús cumhachtach agus riachtanach é modh na gcearnóg íosta i staitisticí agus in anailís sonraí. A bhuíochas dá chumas earráidí a íoslaghdú agus oiriúnacht mhúnla a uasmhéadú, tá sé thar a bheith úsáideach i raon leathan réimsí, ó eacnamaíocht go hinnealtóireacht agus na heolaíochtaí sóisialta. Cé go bhfuil an coincheap bunúsach simplí, is féidir an modh a leathnú chuig samhlacha níos casta amhail aischéimniú neamhlíneach, samhlacha éifeachtaí measctha, agus foghlaim meaisín. Le tuiscint mhaith ar mhodh na gcearnóg íosta agus cleachtadh leordhóthanach, is féidir linn cruinneas ár n-anailíse sonraí a fheabhsú agus cinntí níos eolasaí a dhéanamh.
Tá súil agam go dtugann an t-alt seo forbhreathnú soiléir agus cuimsitheach ar an modh na gcearnóg is lú agus a fheidhmeanna.
