Tushunarsiz dispersiya fraktsiyasi - Fraction of variance unexplained - Wikipedia

Yilda statistika, izohlanmagan dispersiya fraktsiyasi (FVU) a kontekstida regressiya vazifasi ning o'zgaruvchanlik qismi regressand (qaram o'zgaruvchi) Y tushuntirib bo'lmaydigan, ya'ni to'g'ri taxmin qilinmagan tushuntirish o'zgaruvchilari X.

Rasmiy ta'rif

Aytaylik, bizga regressiya funktsiyasi berilgan ${ displaystyle f}$ har biri uchun hosildorlik ${ displaystyle y_ {i}}$ smeta ${ displaystyle { widehat {y}} _ {i} = f (x_ {i})}$ qayerda ${ displaystyle x_ {i}}$ ning vektori men^th barcha tushuntirish o'zgaruvchilari bo'yicha kuzatuvlar.^[1]:181 Biz izohlanmagan dispersiya qismini (FVU) quyidagicha aniqlaymiz:

${ displaystyle { begin {aligned} { text {FVU}} & = {{ text {VAR}} _ { text {err}} over { text {VAR}} _ { text {tot} }} = {{ text {SS}} _ { text {err}} / N over { text {SS}} _ { text {tot}} / N} = {{ text {SS}} _ { text {err}} over { text {SS}} _ { text {tot}}} left (= 1 - {{ text {SS}} _ { text {reg}} over { text {SS}} _ { text {tot}}}, { text {faqat ba'zi hollarda chiziqli regressiya kabi to'g'ri}} right) [6pt] & = 1-R ^ {2} oxiri {hizalanmış}}}$

qayerda R² bo'ladi aniqlash koeffitsienti va VAR_xato va VAR_to'liq qoldiqlarning dispersiyasi va qaram o'zgaruvchining namunaviy dispersiyasi. SS_xato (kvadratik prognozlar xatolarining yig'indisi, ularga teng ravishda kvadratlarning qoldiq yig'indisi ), SS_to'liq (the kvadratlarning umumiy yig'indisi ) va SS_reg (regressiya kvadratlari yig'indisi, unga teng ravishda kvadratlarning yig'indisi tushuntirildi ) tomonidan berilgan

${ displaystyle { begin {aligned} { text {SS}} _ { text {err}} & = sum _ {i = 1} ^ {N} ; (y_ {i} - { widehat { y}} _ {i}) ^ {2} { text {SS}} _ { text {tot}} & = sum _ {i = 1} ^ {N} ; (y_ {i} - { bar {y}}) ^ {2} { text {SS}} _ { text {reg}} & = sum _ {i = 1} ^ {N} ; ({ widehat {y}} _ {i} - { bar {y}}) ^ {2} { text {and}} { bar {y}} & = { frac {1} {N}} sum _ {i = 1} ^ {N} ; y_ {i}. end {hizalangan}}}$

Shu bilan bir qatorda, izohlanmagan dispersiyaning ulushini quyidagicha aniqlash mumkin:

${ displaystyle { text {FVU}} = { frac { operatorname {MSE} (f)} { operatorname {var} [Y]}}}$

qaerda MSE (f) bo'ladi o'rtacha kvadrat xato regressiya funktsiyasiƒ.

Izoh

FVUni tushunish uchun ikkinchi ta'rifni ko'rib chiqish foydalidir. Bashorat qilishga urinayotganda Y, biz o'ylashimiz mumkin bo'lgan eng sodda regressiya funktsiyasi bu o'rtacha qiymatni bashorat qiladigan doimiy funktsiya Y, ya'ni, ${ displaystyle f (x_ {i}) = { bar {y}}}$. Bundan kelib chiqadiki, ushbu funktsiyaning MSE ning o'zgarishiga teng bo'ladi Y; anavi, SS_xato = SS_to'liqva SS_reg = 0. Bunda hech qanday o'zgarish bo'lmaydi Y hisobga olinishi mumkin va FVU maksimal qiymati 1 ga teng.

Odatda, agar tushuntirish o'zgaruvchilari bo'lsa, FVU 1 bo'ladi X bizga hech narsa demang Y ning taxmin qilingan qiymatlari ma'nosida Y bunday qilma kovary bilan Y. Ammo bashorat yaxshilanib, MSE kamayishi mumkinligi sababli, FVU pasayib ketadi. Qaerda mukammal bashorat qilish bo'lsa ${ displaystyle { hat {y}} _ {i} = y_ {i}}$ Barcha uchun men, MSE 0 ga teng, SS_xato = 0, SS_reg = SS_to'liq, va FVU 0 ga teng.

Shuningdek qarang

• Aniqlanish koeffitsienti
• O'zaro bog'liqlik
• Kvadratlarning yig'indisi
• Regressiya tahlili
• Lineer regressiya
• Kvadratlarning etishmasligi

Adabiyotlar