Egzanp Kesyon Diskisyon sou Metòd Kare Myèl yo
Metòd Kare Myèl yo (MEM) se yon metòd estatistik yo itilize pou jwenn liy ki pi byen adapte a ki pi efikasman predi done yo. Metòd sa a souvan itilize nan analiz regresyon lineyè pou detekte relasyon ki genyen ant varyab endepandan ak varyab depandan yo. Atik sa a pral kouvri konsèp debaz metòd kare myèl yo, ansanm ak egzanp ak eksplikasyon etap pa etap pou yon pi bon konpreyansyon sou fason metòd sa a fonksyone.
Konsèp debaz metòd kare minimòm yo
Objektif metòd kare minimòm yo se pou minimize sòm kare diferans ki genyen ant valè yo obsève yo ak valè yo predi pa modèl regresyon an. Ekwasyon yon senp liy regresyon lineyè ka ekri jan sa a:
\[ y = a + bx \]
Ki kote:
– \(y \) se varyab depandan an,
– \(x \) se varyab endepandan an,
– \( a \) se entèsepsyon an (valè \( y \) lè \( x = 0 \)),
– \(b \) se pant liy lan (pant, oubyen koyefisyan regresyon).
Metòd kare minimòm yo estime paramèt \(a\) ak \(b\) ki minimize fonksyon sa a:
\[ \text{SSE} = \sum_{i=1}^{n} (y_i – \hat{y_i})^2 \]
Kote SSE se Sòm Erè Kare yo, \(y_i\) se valè reyèl la, epi \(\hat{y_i} = a + bx_i\) se valè prevwa a.
Etap Metòd Kare Myèl yo
Pou klarifye konsèp la, nou pral rezoud yon pwoblèm egzanp ki enplike itilizasyon metòd moind kare yo.
Egzanp pwoblèm
Etandone done sa yo:
| x (Èdtan etid) | y (Nòt egzamen) |
|——————–|———————–|
| 2 | 81 |
| 4 | 93 |
| 6 | 91 |
| 8 | 97 |
| 10 | 103 |
Detèmine liy regresyon lineyè ki pi byen adapte ak done yo.
Pembahasan
1. Kalkile mwayèn \( \bar{x} \) ak \( \bar{y} \)
\[
\bar{x} = \frac{\sum x_i}{n} = \frac{2 + 4 + 6 + 8 + 10}{5} = 6
\]
\[
\bar{y} = \frac{\sum y_i}{n} = \frac{81 + 93 + 91 + 97 + 103}{5} = 93
\]
2. Kalkile Paramèt \(b \) (Pant)
Paramèt \(b \) a kalkile pa:
\[
b = \frac{\sum (x_i – \bar{x})(y_i – \bar{y})}{\sum (x_i – \bar{x})^2}
\]
Kalkile chak konpozan:
\[
\sòm (x_i – \bar{x})(y_i – \bar{y}) = (2-6)(81-93) + (4-6)(93-93) + (6-6)(91-93) + (8-6)(97-93) + (10-6)(103-93)
\]
\[
= (-4)(-12) + (-2)(0) + (0)(-2) + (2)(4) + (4)(10)
\]
\[
= 48 + 0 + 0 + 8 + 40 = 96
\]
\[
\sòm (x_i – \bar{x})^2 = (2-6)^2 + (4-6)^2 + (6-6)^2 + (8-6)^2 + (10-6)^2
\]
\[
= (-4)^2 + (-2)^2 + 0^2 + 2^2 + 4^2
\]
\[
= 16 + 4 + 0 + 4 + 16 = 40
\]
Konsa:
\[
b = \frac{96}{40} = 2.4
\]
3. Kalkile Paramèt \( a \) a (Entèsepsyon)
Lè nou itilize mwayèn \( \bar{x} \) ak \( \bar{y} \):
\[
a = \bar{y} – b \bar{x} = 93 – 2.4 \times 6 = 93 – 14.4 = 78.6
\]
4. Ekri ekwasyon liy regresyon an
Avèk paramèt yo jwenn, nou ka ekri ekwasyon liy regresyon an:
\[
y = 78.6 + 2.4x
\]
Entèpretasyon ak Verifikasyon
Pou asire ke liy regresyon sa a anfòm, nou ka kalkile valè y prevwa a (\(\hat{y}\)) pou chak x nan done inisyal yo, epi tou kalkile Sòm Erè Kare yo (SSE) pou valide presizyon prediksyon an.
| x | y | \(\chapo{y}\) | \((y – \chapo{y})^2\) |
|—|—-|————|———————–|
| 2 | 81 | 83.4 | (81-83.4)^2 = 5.76 |
| 4 | 93 | 88.2 | (93-88.2)^2 = 23.04|
| 6 | 91 | 93.0 | (91-93.0)^2 = 4.00 |
| 8 | 97 | 97.8 | (97-97.8)^2 = 0.64 |
|10 |103 |102.6 | (103-102.6)^2= 0.16|
SSS:
\[
SSE = 5.76 + 23.04 + 4.00 + 0.64 + 0.16 = 33.6
\]
Avèk yon SSE relativman piti, nou ka konkli ke liy regresyon ki pwodui pa metòd kare yo pi piti a se yon bon ajisteman pou done sa yo.
Konklizyon
Metòd Kare Mwayen yo se yon zouti analiz estatistik pwisan pou detèmine pi bon liy ki anfòm pou yon seri done, minimize erè prediksyon ki baze sou kare devyasyon yo. Lè nou itilize etap sa yo pou kalkile mwayèn nan, estime pant lan ak entèsepsyon an, epi ekri epi verifye ekwasyon liy regresyon an, nou ka predi avèk presizyon valè varyab depandan an apati varyab endepandan yo.
Yon bon konpreyansyon sou metòd sa a trè itil nan domèn tankou ekonomi, byostatistik, enjenyè, ak syans sosyal kote yo souvan aplike analiz regresyon. Atik sa a, avèk egzanp konkrè, ilistre enpòtans ak itilite metodoloji sa a nan analiz done.
