Визначення терміну помилки
Термін помилки - це залишкова змінна, вироблена статистичною або математичною моделлю, яка створюється тоді, коли модель не повністю представляє фактичну залежність між незалежними змінними та залежними змінними. В результаті цього неповного співвідношення термін помилки - це сума, на яку рівняння може відрізнятися під час емпіричного аналізу.
Термін помилки також відомий як залишковий, тривожний або залишковий термін і по-різному представлений в моделях літерами e, ε або u.
Приклад формули, до якої застосовується термін помилки
Термін помилки по суті означає, що модель не зовсім точна і призводить до різних результатів під час реальних програм. Наприклад, припустимо, що існує функція множинної лінійної регресії, яка приймає таку форму:
Y = αX + βρ + ϵ, де: α, β = постійні параметриX, ρ = незалежні змінніϵ = Помилка терміна \ початок {вирівняно} & Y = \ альфа X + \ beta \ rho + \ epsilon \\ & \ textbf {де:} \\ & \ alpha, \ beta = \ текст {Постійні параметри} \\ & X, \ rho = \ текст {Незалежні змінні} \\ & \ epsilon = \ текст {Термін помилки} \\ \ кінець {вирівняний} Y = αX + βρ + ϵ, де: α, β = постійні параметриX, ρ = незалежні змінніϵ = термін помилки
Коли фактичний Y відрізняється від очікуваного або передбачуваного Y в моделі під час емпіричного тесту, то термін помилки не дорівнює 0, а значить, є й інші фактори, що впливають на Y.
Розуміння умов помилок
Термін помилки представляє похибку в межах статистичної моделі; вона посилається на суму відхилень у межах регресійної лінії, що дає пояснення різниці між результатами моделі та фактичними спостережуваними результатами. Лінія регресії використовується як точка аналізу при спробі визначення кореляції між однією незалежною змінною та однією залежною змінною.
Про що нам говорять про помилки?
У лінійній регресійній моделі, що відстежує ціну акцій у часі, термін помилки - це різниця між очікуваною ціною в конкретний час та ціною, яка фактично спостерігалася. У тих випадках, коли ціна є точно такою, яку передбачалося в конкретний час, ціна впаде на лінію тренду, а термін помилки буде нульовим.
Точки, які не потрапляють безпосередньо на лінію тренду, демонструють той факт, що залежна змінна, в даному випадку ціна, впливає більше, ніж просто незалежна змінна, що представляє проходження часу. Термін помилки означає будь-який вплив на змінну ціну, наприклад, зміни ринкових настроїв.
Дві точки даних, що мають найбільшу відстань від лінії тренду, повинні бути рівними відстані від лінії тренду, що представляють найбільшу похибку.
Якщо модель гетерокедастична, поширена проблема в правильному інтерпретації статистичних моделей, вона стосується умови, коли дисперсія терміна помилки в регресійній моделі сильно змінюється.
Ключові вивезення
- Термін помилки з'являється в статистичній моделі, як регресійна модель, щоб вказати на невизначеність в моделі.
- Термін помилки - це залишкова змінна, що пояснює відсутність ідеальної корисності придатності.
- Гетероскедастична означає стан, при якому дисперсія залишкового члена або помилки в регресійній моделі сильно змінюється.
Лінійна регресія, термін помилок та аналіз запасів
Лінійна регресія - це форма аналізу, що стосується поточних тенденцій, які зазнає певна ціна цінних паперів або індексу, забезпечуючи взаємозв'язок між залежною та незалежною змінною, наприклад, ціною цінного папера та плином часу, в результаті чого лінія тренда може змінити використовуватись як прогностична модель.
Лінійна регресія демонструє меншу затримку, ніж ця, яка спостерігається зі скользячим середнім, оскільки лінія підходить до точок даних, а не на основі середніх значень усередині даних. Це дозволяє лінійці змінюватися швидше та кардинальніше, ніж лінія на основі чисельного усереднення наявних точок даних.
Різниця між Помилками та Залишками
Хоча термін помилки та залишкові часто використовуються синонімічно, є важлива формальна різниця. Термін помилки, як правило, не помітний, а залишок можна спостерігати та обчислювати, що значно полегшує кількісне визначення та візуалізацію. Насправді, хоча термін помилки представляє те, як спостережувані дані відрізняються від фактичної сукупності, залишковий спосіб представляє те, як спостережувані дані відрізняються від вибіркових даних сукупності.
Дізнайтеся більше про
Щоб побудувати свої знання з теми помилок моделі, прочитайте докладніше про залишкове стандартне відхилення.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.