App Multiple Linear Regression

ivan gabrovski

Iragarkiak ditu

Aplikazio honi buruz

Erregresio Lineal Anizkoitza metodo estatistiko bat da, mendeko aldagai baten eta bi aldagai independente edo gehiagoren arteko erlazioa modelatzeko erabiltzen dena, behatutako datuei ekuazio lineal bat egokituz. Erregresio lineal anizkoitzak azaltzen du nola eragiten dioten hainbat iragarleri aldi berean emaitza-aldagai bati.

Erregresio lineal anizkoitzaren osagai nagusiak:

- Mendeko aldagaia (Y): Hau da iragarri nahi dugun aldagaia. Askotan "helburu aldagaia" edo "erantzun" ere deitzen zaio.

- Aldagai independenteak (X1, X2, ..., Xn): Hauek dira mendeko aldagaia iragartzeko erabiltzen ditugun aldagaiak. Askotan "iragarle" edo "azalpen aldagaiak" ere deitzen zaie.

- Erregresio eredua: Erregresio lineal anizkoitzaren ekuazioak honako forma hau du:

Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
non:
Y mendeko aldagaia den. X1, X2, ..., Xn aldagai independenteak dira.

beta_0 konstantea da (ebakidura). beta_1, beta_2, ..., beta_n aldagai independenteen mendeko aldagaian duten eragina adierazten duten erregresio-koefizienteak dira.

Aplikazioak: - Ekonomia (errenta-iragarpena); - Osasungintza (arrisku-faktoreen analisia); -Ingeniaritza; - Gizarte zientziak; -Enpresa-aurreikuspena.

Adibidea: Etxebizitzaren prezioa iragartzea honako hauetan oinarrituta: -Etxearen tamaina; -Logela kopurua; -Etxearen adina

Aplikazioan, objektu bakoitza Object_k (object_1, object_2 ... object_m) aldagai independenteek (Xki – ezaugarriak, i = 1...n) eta mendeko aldagai batek (Yk -helburua) deskribatzen dute. Ohiko gutxieneko karratuen (OLS) metodo bat erabiltzen da koefizienteen balio optimoak kalkulatzeko (beta_0, beta_1, beta_2, ..., beta_n). Helburu-balioa honela kalkulatzen da:

Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
non: P1, P2...Pn helburuaren iragarleak diren. Aplikazioak erregresio-eredu anitzen datuak AppMultipleLinearRegression.db izeneko SQLite motako datu-basean (DB) gordetzen ditu. Erregresio-ereduak izenaren arabera bereizten dira.

Aplikazioaren hasierako pantailan (App Multiple Linear Regression Solver) erregresio-ereduen laginen zerrenda bat (zerrenda birakarian) eta erregresio-ereduen laginak sortzeko (Lagin berria), kargatzeko (Kargatu), gordetzeko (Gorde), gordetzeko honela (Gorde honela), kalkulatzeko (Kalkulatu) eta ezabatzeko (Ezabatu) funtzioak gaitzeko botoiak agertzen dira. Pantaila nagusitik, menuko elementuen bidez, hizkuntza hautatzea, datu-basea gordetzea eta kopiatzea, datu-basea adibide-datuekin hasieratzea eta funtzio osagarriak ere sar daitezke, hala nola aplikazioaren laguntza, ezarpenak eta webgunerako esteka, egileek aplikazio guztien deskribapenarekin. (Lagin berria) sortzeko funtzioen artean, matrizearen tamaina sartzeko elkarrizketa-koadroa dago, non lagin berriaren datuak sartzen diren – errenkada kopurua (P1, P2...Pn aurreikusitako datuen errenkada kopurua – azken errenkada) eta zutabe kopurua (Y1, Y2,...Yk menpeko datuen zutabe kopurua – azken zutabea). Ondoren, datu garrantzitsuak sartzeko taula sortzen da. Betetutako taulari izena eman behar zaio gorde aurretik. Kargatu funtzioak taula garbitu behar du.

Gordetako taula zaharra biraketa-zerrendatik hautatuta bistara daiteke. Erakusten den taula kalkulatu daiteke eta soluzioa Aplikazioaren emaitzak elkarrizketa-koadroan agertzen da. Inprimatu funtzioa elkarrizketa-koadro honetatik exekutatu daiteke AppMultipleLinearRegressionSolver.txt fitxategian. Inprimatu barne-jarduera Gorde Db/Gorde fitxategia, fitxategia gordetzeko karpeta hautatzen da. Karpeta hautatu ondoren gordetzeko botoia agertzen da. Jarduera beretik hautatutako fitxategiaren edukia bistara daiteke, fitxategia edo karpeta berrizendatzeko, karpeta berria sortzeko eta hautatutako fitxategia ezabatzeko ere.

Erregresio lineal anizkoitza datuak aztertzeko tresna indartsua da, baina kontuz erabili behar da eta bere mugak ulertuz.
Desabantailak: Multikolinearitatearekiko sentikorra (aldagai independenteen arteko korrelazio sendoa). Ez ditu beti erlazio ez-linealak jasotzen. Baliozkotze eta egiaztapen zaindua behar du hipotesien kasuan.