Galvenais » algoritmiskā tirdzniecība » Kļūdas termina definīcija

Kļūdas termina definīcija

algoritmiskā tirdzniecība : Kļūdas termina definīcija
Kas ir kļūdas termins?

Kļūdas termins ir atlikušais mainīgais, kas iegūts ar statistiskā vai matemātiskā modeļa palīdzību un kas tiek izveidots, kad modelis pilnībā neatspoguļo faktisko attiecību starp neatkarīgajiem mainīgajiem un atkarīgajiem mainīgajiem. Šīs nepilnīgās attiecības rezultātā kļūdas termins ir summa, par kuru vienādojums var atšķirties empīriskās analīzes laikā.

Kļūdas apzīmējumu sauc arī par atlikušo, traucējošo vai atlikušo, un modeļos to atšķirīgi attēlo ar burtiem e, ε vai u.

Tādas formulas piemērs, kurā tiek piemērots kļūdas termins

Kļūdas termins būtībā nozīmē, ka modelis nav pilnīgi precīzs un reālās pasaules lietojumprogrammās rada atšķirīgus rezultātus. Piemēram, pieņemsim, ka ir vairākas lineāras regresijas funkcijas, kas izpaužas šādā veidā:

Y = αX + βρ + ϵkur: α, β = nemainīgi parametriX, ρ = neatkarīgi mainīgieϵ = kļūdas termins \ sākas {izlīdzināts} un Y = \ alfa X + \ beta \ rho + \ epsilon \\ & \ textbf {kur:} \\ & \ alfa, \ beta = \ teksts {nemainīgi parametri} \\ & X, \ rho = \ teksts {Neatkarīgi mainīgie} \\ & \ epsilon = \ teksts {Kļūdas nosaukums} \\ \ beigas {izlīdzināts} Y = αX + βρ + ϵ kur: α, β = nemainīgi parametriX, ρ = neatkarīgi mainīgieϵ = kļūdas apzīmējums

Ja faktiskais Y atšķiras no modeļa paredzamās vai prognozētās Y empīriskā testa laikā, tad kļūdas termins nav vienāds ar 0, tas nozīmē, ka ir arī citi faktori, kas ietekmē Y.

Kļūdu nosacījumu izpratne

Kļūdas termins apzīmē kļūdas robežu statistiskajā modelī; tas attiecas uz noviržu summu regresijas rindā, kas sniedz izskaidrojumu starpībai starp modeļa rezultātiem un faktiskajiem novērotajiem rezultātiem. Regresijas līnija tiek izmantota kā analīzes punkts, mēģinot noteikt korelāciju starp vienu neatkarīgo mainīgo un vienu atkarīgo mainīgo.

Ko mums saka kļūdu nosacījumi?

Lineārā regresijas modelī, kas uzskaita akciju cenu laika gaitā, kļūdas termins ir starpība starp paredzamo cenu noteiktā laikā un cenu, kas faktiski tika novērota. Gadījumos, kad cena ir precīza tā, kas tika gaidīta noteiktā laikā, cena kritīsies uz tendenču līnijas un kļūdas termiņš būs nulle.

Punkti, kas tieši neietilpst tendenču līnijā, parāda to, ka atkarīgo mainīgo, šajā gadījumā cenu, ietekmē vairāk nekā tikai neatkarīgais mainīgais, kas atspoguļo laika gaitā. Kļūdas termins apzīmē jebkādu cenu mainīgā lieluma ietekmēšanu, piemēram, izmaiņas tirgus noskaņojumā.

Diviem datu punktiem, kuriem ir vislielākais attālums no tendenču līnijas, jābūt vienādā attālumā no tendenču līnijas, kas pārstāv lielāko kļūdas robežu.

Ja modelis ir heteroskedastisks, kas ir izplatīta problēma statistisko modeļu pareizā interpretācijā, tas attiecas uz stāvokli, kurā kļūdas termina dispersija regresijas modelī ir ļoti atšķirīga.

Taustiņu izņemšana

  • Kļūdas termins parādās statistiskajā modelī, tāpat kā regresijas modelī, lai norādītu uz modeļa nenoteiktību.
  • Kļūdas termins ir atlikušais mainīgais, kas norāda uz pilnīgas piemērotības trūkumu.
  • Heteroskedastika attiecas uz stāvokli, kurā atlikušā termina vai kļūdas termina dispersija regresijas modelī ir ļoti atšķirīga.

Lineārā regresija, kļūdas termins un krājumu analīze

Lineārā regresija ir analīzes veids, kas attiecas uz pašreizējām tendencēm, kuras piedzīvo konkrēts vērtspapīrs vai indekss, nodrošinot attiecības starp atkarīgu un neatkarīgu mainīgo, piemēram, vērtspapīra cenu un laika ritējumu, kā rezultātā iegūst tendenču līniju, kas var jāizmanto kā jutīgais modelis.

Lineārā regresija uzrāda mazāku kavēšanos nekā tā, kas rodas ar slīdošo vidējo, jo līnija ir piemērota datu punktiem, nevis balstīta uz vidējiem datiem. Tas ļauj līnijai mainīties ātrāk un dramatiskāk nekā līnija, kuras pamatā ir pieejamo datu punktu skaitliskā vidējā aprēķināšana.

Atšķirība starp kļūdu noteikumiem un atlikumiem

Lai arī kļūdas terminu un atlikušo bieži izmanto sinonīmi, pastāv būtiskas formālās atšķirības. Kļūdas apzīmējums parasti nav novērojams, bet atlikums ir novērojams un aprēķināms, padarot to daudz kvantitatīvāku un vizualizējamāku. Faktiski, kaut arī kļūdas termins apzīmē novēroto datu atšķirību no faktiskā kopuma, atlikums apzīmē novēroto datu atšķirību no izlases populācijas datiem.

Uzziniet vairāk par

Lai uzkrātu savas zināšanas par modeļa kļūdu terminu tēmu, izlasiet vairāk par atlikušo standarta novirzi.

Investīciju kontu salīdzināšana Piegādātāja nosaukums Apraksts Reklāmdevēja atklāšana × Piedāvājumi, kas parādās šajā tabulā, ir no partnerībām, no kurām Investtopedia saņem kompensāciju.

Saistītie noteikumi

Kā darbojas vismazāko kvadrātu metode Vismazāko kvadrātu metode ir statistikas metode, lai noteiktu modelim vispiemērotāko līniju, ko nosaka vienādojums ar noteiktiem parametriem novērotajiem datiem. vairāk ko regresija mēra Regresija ir statistisks mērījums, kas mēģina noteikt attiecības stiprumu starp vienu atkarīgo mainīgo (parasti apzīmēts ar Y) un citu mainīgo mainīgo virkni (pazīstamus kā neatkarīgus mainīgos). vairāk kā darbojas vairākkārtējā lineārā regresija Vairāku lineārā regresija (MLR) ir statistikas paņēmiens, kas izmanto vairākus skaidrojošos mainīgos, lai paredzētu atbildes mainīgā rezultātu. vairāk R-kvadrāts R-kvadrāts ir statistikas mērs, kas attēlo atkarīgā mainīgā dispersijas proporciju, ko izskaidro neatkarīgs mainīgais. vairāk Kā darbojas noteikšanas koeficients Noteikšanas koeficients ir rādītājs, ko izmanto statistiskajā analīzē, lai novērtētu, cik labi modelis izskaidro un prognozē turpmākos rezultātus. vairāk Heteroskedasticitāte Statistikā heteroskedasticitāte notiek tad, kad mainīgā standarta novirzes, ko uzrauga noteiktā laika posmā, ir nepastāvīgas. vairāk partneru saišu
Ieteicams
Atstājiet Savu Komentāru