Пані Людмила, дуже Вам дякую за таке чудове відео! Чи могли б Ви підказати, як правильно перетворити у лінійну функцію поліном 5-го ступеня? Буду Вам дуже вдячний за підказку!
Спробував замінити змінні на нові, "знищивши" ступені відповідними коренями (x'=x, x''=x^1/2, x'''=x^1/3...). Але в результаті отримав аналогічну за параметрами модель зі звичайною лінійною. Можливо я щось пропустив?
а якщо для задачі точно невідомі значення Х1 та Х2 в строчці №13 саме для прогнозу, і вказавши їх на свій розсуд не 1 та 2 - а якісь невірні значення, які будуть відрізнятися від справжніх, то побудована на історичних даних нелінійна багатофакторна модель разрахує значення на шаг вперед для прогнозу-екстраполяції теж не вірно? Як в такій ситуації поступить з точки зору адекватності регресійного аналізу для прогнозу?
значення Х1 та Х2 для прогнозу - беруть не будь-які, а ті, для яких вам треба знайти цей прогноз. І вхідні дані беруть такі, щоб вам можна було потім цей прогноз знайти. Тобто тут з самого початку треба слідкувати за тим, з чим працюєте. Якщо, як в цьому прикладі, Х1 = 0,012...1,914, а ви будете шукати прогноз для Х1=10,0, то результат буде дуже далекий від реальності. Я правильно зрозуміла ваше питання?
@@LiudmylaVasylieva так, а все ж якщо x1 та х2 можливо спрогнозувати за допомогою "скользящей средней" або ARIMA, а вже У прогнозувати за допомогою нелінійної богатофакторної регресії, тоді похибку по розрахунку прогнозу У можливо зменшити ніж просто випадково вибрати х1 та х2?
"скользящей средней" або ARIMA - це вже про часові ряди. Інший підхід. Якщо ви отримаєте додаткові розрахункові дані - вони будуть з похибкою. Потім ви ще раз застосуєте метод регресійного аналізу, який знову дасть прогноз з деякою похибкою. Кінцевий результат буде мати ще більшу похибку. Так, іноді це роблять, але коли вже зовсім немає інших варіантів. Мені не зовсім зрозуміло питання про "просто випадково вибрати х1 та х2". Випадково я взяла їх тільки у прикладі. При реальному дослідженні беремо те, що нам треба знати. Повторюся - вхідні дані треба брати ті, що відповідають меті роботи.
ще один варіант, але його немає в цьому відео, це інтервальний прогноз. Коли ви отримуєте в якості прогнозу не одне число, а діапазон, в який потрапляє точне значення. Якщо він буде дуже "широкий", то прогноз втрачає практичну цінність
@@LiudmylaVasylieva ну наприклад, якщо необхідно спрогнозувати У в наступному місяці значення курсу грн/USD, маючі також прогнозні оцінки для наступного місяця Х1 курс eur/usd та X2 грн/eur....
Дуже дякую за коректне пояснення
дякую за цікаве і доступне пояснення 😊
Дякую. Цікаве відео!
Пані Людмила, дуже Вам дякую за таке чудове відео! Чи могли б Ви підказати, як правильно перетворити у лінійну функцію поліном 5-го ступеня? Буду Вам дуже вдячний за підказку!
Спробував замінити змінні на нові, "знищивши" ступені відповідними коренями (x'=x, x''=x^1/2, x'''=x^1/3...). Але в результаті отримав аналогічну за параметрами модель зі звичайною лінійною. Можливо я щось пропустив?
Якщо ви хочете працювати з поліномом виду y=b0+b1*x+b2*x^2+..+b5*x^5, то спосіб, як для квадратичної функції. U1=x, U2=x^2,...,U5=x^5.
@@LiudmylaVasylieva дякую Вам дуже за відповідь!
а якщо для задачі точно невідомі значення Х1 та Х2 в строчці №13 саме для прогнозу, і вказавши їх на свій розсуд не 1 та 2 - а якісь невірні значення, які будуть відрізнятися від справжніх, то побудована на історичних даних нелінійна багатофакторна модель разрахує значення на шаг вперед для прогнозу-екстраполяції теж не вірно?
Як в такій ситуації поступить з точки зору адекватності регресійного аналізу для прогнозу?
значення Х1 та Х2 для прогнозу - беруть не будь-які, а ті, для яких вам треба знайти цей прогноз. І вхідні дані беруть такі, щоб вам можна було потім цей прогноз знайти. Тобто тут з самого початку треба слідкувати за тим, з чим працюєте. Якщо, як в цьому прикладі, Х1 = 0,012...1,914, а ви будете шукати прогноз для Х1=10,0, то результат буде дуже далекий від реальності. Я правильно зрозуміла ваше питання?
@@LiudmylaVasylieva так, а все ж якщо x1 та х2 можливо спрогнозувати за допомогою "скользящей средней" або ARIMA, а вже У прогнозувати за допомогою нелінійної богатофакторної регресії, тоді похибку по розрахунку прогнозу У можливо зменшити ніж просто випадково вибрати х1 та х2?
"скользящей средней" або ARIMA - це вже про часові ряди. Інший підхід. Якщо ви отримаєте додаткові розрахункові дані - вони будуть з похибкою. Потім ви ще раз застосуєте метод регресійного аналізу, який знову дасть прогноз з деякою похибкою. Кінцевий результат буде мати ще більшу похибку. Так, іноді це роблять, але коли вже зовсім немає інших варіантів. Мені не зовсім зрозуміло питання про "просто випадково вибрати х1 та х2". Випадково я взяла їх тільки у прикладі. При реальному дослідженні беремо те, що нам треба знати. Повторюся - вхідні дані треба брати ті, що відповідають меті роботи.
ще один варіант, але його немає в цьому відео, це інтервальний прогноз. Коли ви отримуєте в якості прогнозу не одне число, а діапазон, в який потрапляє точне значення. Якщо він буде дуже "широкий", то прогноз втрачає практичну цінність
@@LiudmylaVasylieva ну наприклад, якщо необхідно спрогнозувати У в наступному місяці значення курсу грн/USD, маючі також прогнозні оцінки для наступного місяця Х1 курс eur/usd та X2 грн/eur....