நேரியல் பின்னடைவு கலந்துரையாடல் கேள்விகளுக்கான எடுத்துக்காட்டு

நேரியல் பின்னடைவு எடுத்துக்காட்டு கேள்விகள் மற்றும் கலந்துரையாடல்

நேரியல் பின்னடைவு என்பது இரண்டு அல்லது அதற்கு மேற்பட்ட மாறிகளுக்கு இடையிலான உறவைத் தீர்மானிக்கப் பயன்படும் ஒரு புள்ளியியல் முறையாகும். இந்த முறை பொருளாதாரம், வணிகம், சமூக அறிவியல் மற்றும் இயற்கை அறிவியல் உள்ளிட்ட பல்வேறு துறைகளில் பரவலாகப் பயன்படுத்தப்படுகிறது. இந்தக் கட்டுரையில், நேரியல் பின்னடைவு, அதைக் கணக்கிடும் முறை ஆகியவற்றைப் பற்றி விவாதிப்போம். மேலும், வாசகர்கள் இந்தக் கருத்தை ஆழமாகப் புரிந்துகொள்ள உதவும் வகையில் விளக்கங்களுடன் கூடிய பல எடுத்துக்காட்டுக் கணக்குகளையும் வழங்குவோம்.

நேரியல் பின்னடைவைப் புரிந்துகொள்ளுதல்

நேரியல் பின்னடைவு என்பது ஒன்று அல்லது அதற்கு மேற்பட்ட சார்பற்ற மாறிகளுக்கும் (முன்னறிவிப்பாளர்கள்) ஒரு சார்பு மாறிக்கும் (பதில்) இடையேயான உறவை மாதிரியாக்கப் பயன்படும் ஒரு பகுப்பாய்வு முறையாகும். எளிய நேரியல் பின்னடைவில் ஒரு சார்பற்ற மாறியும் ஒரு சார்பு மாறியும் அடங்கும், அதேசமயம் பன்முக நேரியல் பின்னடைவில் ஒன்றுக்கு மேற்பட்ட சார்பற்ற மாறிகள் அடங்கும்.

ஒரு எளிய நேரியல் பின்னடைவுக் கோட்டின் சமன்பாடு:
\[ Y = a + bX \]

எங்கே:
– \( Y \) என்பது சார்பு மாறி ஆகும்.
– \( X \) என்பது சார்பற்ற மாறி.
– \( a \) என்பது இடைவெட்டு, இது X = 0 ஆக இருக்கும்போது Y-இன் மதிப்பாகும்.
– \( b \) என்பது பின்னடைவுக் கெழு ஆகும், அதாவது, X ஒரு அலகு மாறினால் Y எவ்வளவு மாறும் என்பதைக் குறிக்கிறது.

நேரியல் பின்னடைவு படிகள்

1. தரவுகளைச் சேகரித்தல்: முதலில், பகுப்பாய்வு செய்யப்பட வேண்டிய தரவுகளைச் சேகரிக்கவும்.
2. தரவை வரைபடமாக்குதல்: மாறிகளுக்கு இடையே நேரியல் தொடர்பு உள்ளதா என்பதைக் காண ஒரு சிதறல் வரைபடத்தை உருவாக்கவும்.
3. பின்னடைவுக் குணகத்தைக் கணக்கிடுங்கள்: சிறந்த கோட்டைத் தீர்மானிக்க மீச்சிறு வர்க்க முறையைப் பயன்படுத்தவும்.
4. மாதிரியைச் சோதித்தல்: மாதிரி தரவுகளுடன் எவ்வளவு நன்றாகப் பொருந்துகிறது என்பதைப் பார்க்க, t-சோதனை மூலம் பின்னடைவுக் குணகங்களின் முக்கியத்துவத்தைச் சோதித்து, R-வர்க்க மதிப்பைத் தீர்மானிக்கவும்.

மாதிரி கேள்விகள் மற்றும் கலந்துரையாடல்

எடுத்துக்காட்டு கேள்வி 1: எளிய நேரியல் பின்னடைவு

கேள்வி:
ஒரு ஆய்வாளர், படிப்பு நேரங்களின் எண்ணிக்கைக்கும் (X) மாணவர்களின் தேர்வு மதிப்பெண்களுக்கும் (Y) இடையேயான தொடர்பை அறிய விரும்புகிறார். பெறப்பட்ட தரவுகள் பின்வருமாறு:

| படிப்பு நேரம் (X) | தேர்வு மதிப்பெண் (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |

இந்தத் தரவுகளிலிருந்து ஒரு நேரியல் பின்னடைவுச் சமன்பாட்டை உருவாக்குங்கள்!

கலந்துரையாடல்:

1. சராசரியைக் கணக்கிடுதல்:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]

2. பின்னடைவுக் குணகம் \( b \) ஐக் கணக்கிடுதல்:
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
\sum (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum (X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \approx 3.08
\]

3. இடைவெட்டு \( a \) ஐக் கணக்கிடுதல்:
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 × 5 = 80 – 15.4 = 64.6
\]

4. பின்னடைவுச் சமன்பாடு:
\[
Y = 64.6 + 3.08X
\]

எனவே, இந்தத் தரவுகளுக்கான நேரியல் பின்னடைவுச் சமன்பாடு \( Y = 64.6 + 3.08X \) ஆகும். இதன் பொருள், கூடுதலாகப் படிக்கும் ஒவ்வொரு மணி நேரமும் தேர்வு மதிப்பெண்ணை 3.08 புள்ளிகள் அதிகரிக்கும் என்று எதிர்பார்க்கப்படுகிறது.

எடுத்துக்காட்டுக் கேள்வி 2: மாதிரிச் சோதனை மற்றும் விளக்கம்

கேள்வி:
அதே தரவுகளைக் கொண்டு, மாதிரி தரவுகளுக்கு எவ்வளவு நன்றாகப் பொருந்துகிறது என்பதை அளவிட R-வர்க்க (R²) மதிப்பைக் கணக்கிடுங்கள். மேலும், பின்னடைவுக் குணகம் \( b \) இன் முக்கியத்துவத்தையும் சோதிக்கவும்.

கலந்துரையாடல்:

1. மொத்த வர்க்கங்களின் கூட்டுத்தொகை (SST), பின்னடைவு வர்க்கங்களின் கூட்டுத்தொகை (SSR) மற்றும் பிழை வர்க்கங்களின் கூட்டுத்தொகை (SSE) ஆகியவற்றைக் கணக்கிடுங்கள்:
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]

\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
இங்கு \( \hat{Y}_i \) என்பது பின்னடைவுச் சமன்பாட்டின் கணிக்கப்பட்ட மதிப்பாகும்:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]

2. SSE-ஐக் கணக்கிடுதல்:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]

3. R-வர்க்கத்தைக் கணக்கிடுதல்:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]

0.6 என்ற R-வர்க்க மதிப்பு, இந்த மாதிரி தரவில் உள்ள மாறுபாட்டின் சுமார் 60%-ஐ விளக்குகிறது என்பதைக் குறிக்கிறது. இது, பின்னடைவுக் கோடு தரவுகளுக்கு ஓரளவு நன்றாகப் பொருந்துவதைக் காட்டுகிறது.

4. குணகம் \( b \) இன் முக்கியத்துவத்திற்கான t-சோதனை:
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \approx 1.13
\]
\[
t = \frac{3.08}{1.13} \approx 2.73
\]

\( t-புள்ளிவிவரம் \தோராயமாக 2.73 \) எனில், முக்கியத்துவத்திற்கான ஒரு பொதுவான வரம்பை (α = 0.05) நாம் பயன்படுத்தினால், அதை t-அட்டவணையுடன் ஒப்பிடுகிறோம். எடுத்துக்காட்டாக, \( df = 3 \) எனில், மாறுநிலை \( t \) தோராயமாக 2.353 ஆகும். அப்போது \( t-கவனிப்பு > t-மாறுநிலை \), இது குணகம் முக்கியத்துவம் வாய்ந்தது என்பதைக் குறிக்கிறது.

முடிவுரை

இந்தக் கட்டுரையில், நேரியல் பின்னடைவின் அடிப்படைகள், பின்னடைவுக் குணகம் மற்றும் இடைமறிப்பைக் கணக்கிடுவது எப்படி, மற்றும் எடுத்துக்காட்டுச் சிக்கல்களைப் பயன்படுத்தி முடிவுகளை விளக்குவது எப்படி என்பதைப் பற்றிப் பார்த்துள்ளோம். இந்த முறையைப் பயன்படுத்துவதில் தேர்ச்சி பெற, பல்வேறு தரவுத் தொகுப்புகளுடன் அடிக்கடி பயிற்சி செய்வது அவசியம். நேரியல் பின்னடைவு என்பது தரவுப் பகுப்பாய்வில் ஒரு மதிப்புமிக்க கருவியாகும், மேலும் இது மாறிகளுக்கு இடையிலான உறவுகள் குறித்த ஆழமான புரிதலை வழங்க முடியும்.