regressão linear

A análise de regressão pode ser adicionado com os métodos estatísticos de estudar a relação entre as variáveis específicas (dependentes e independentes). Neste caso, as variáveis independentes são chamados de "co-variáveis" e dependente – "criteriosa". Ao conduzir uma análise de regressão linear representação variável dependente toma a forma de uma escala de intervalo. Há uma probabilidade da presença de relações não-lineares entre variáveis relacionadas à escala de intervalo, mas este problema já foi resolvido por métodos de regressão não-linear, que não é o assunto deste artigo.

regressão linear foi utilizada com bastante sucesso como em cálculos matemáticos, e em estudos econômicos com base em dados estatísticos.

Por isso, considero esta uma regressão mais. Do ponto de vista do método matemático de determinar a relação linear entre algumas variáveis de regressão linear pode ser representada como uma fórmula: y = a + bx. Para uma explicação sobre esta fórmula pode ser encontrada em qualquer livro em econometria.

Ao expandir o número de observação (-se a n-ésima número de vezes), obtido por uma regressão linear simples, representado por uma fórmula:

yi = A + bxi + EI,

onde ei – independentes e identicamente distribuídos, variáveis aleatórias.

Neste artigo eu gostaria de prestar mais atenção a este conceito do ponto de vista de prever o preço futuro com base em dados anteriores. Nesta área, estimamos uma regressão linear está ativamente usando o método dos mínimos quadrados, que ajuda a construir a linha reta "mais adequado" através de um certo número de valores de pontos de preço. Os dados de entrada utilizados pelo ponto de preço, ou seja, alta, baixa, de fecho ou de abertura, e a média destes valores (por exemplo, a soma do máximo e mínimo divididos por dois). Além disso, esses dados antes de construir uma linha adequada pode ser arbitrariamente suavizados.

Como mencionado acima, a regressão linear é frequentemente utilizado por analistas para determinar uma tendência com base no preço e tempo. Neste caso, a inclinação do indicador de regressão irá determinar a magnitude das variações de preços por unidade de tempo. Uma das condições para a decisão correta utilização deste indicador é o uso de um gerador de sinal, seguindo a tendência de regressão de inclinação. Se uma inclinação positiva (crescente regressão linear) a compra é realizada se o valor do indicador é maior do que zero. Durante a inclinação negativa (diminuição de regressão) para venda deve ser em valores negativos do indicador (menor que zero).

Conforme utilizado na determinação da melhor linha correspondente a um certo número de pontos de preço, o método dos mínimos quadrados implica que o seguinte algoritmo:

– é a expressão total da diferença dos quadrados dos preços e da linha de regressão;

– é a razão entre esta soma e o número de barras na gama de séries de dados de regressão;

– sobre o resultado calculado raiz quadrada, que corresponde ao desvio padrão.

Regressão Linear Simples equação tem o modelo:

y (x) = f (x) ^,

onde – características produtivas apresentou a variável dependente;

x – explicativo ou variável independente;

^ Indica a ausência de um rigoroso relação funcional entre as variáveis x e y. Portanto, em cada caso particular, a variável y pode consistir de tais termos:

y = yx + ε,

onde – os dados do resultado reais;

uh – dados de resultados teóricos determinados resolvendo a equação de regressão ;

ε – variável aleatória que caracteriza o desvio entre o valor real e o teórico.