Анализ данных. Салмин А.А. - 77 стр.

y  k0  k1  x1  k 2  x2    k n  xn

 x – вектор параметров – факторов (предикторов)
y – зависимый фактор (регрессор)
p – вероятность возникновения данного события
(изменятся от 0 до 1)

       7.5. Нелинейная регрессия
     Любая          модель,      вид которой             не
                                                      совпадает с
уравнением                        линейной               регрессии
 y   0  1 X 1   2 X 2   3 X 3   4 X 4   ,   называется
моделью нелинейной регрессии и может быть представлена
в виде
                                            
        y i  f x1i ,..., x pi ; 1 ,...,  m  ei , i=1,…, n,
       Где f(       ) – нелинейная функция параметров
 1 ,..., 
          m ,

           e i - некоррелированная ошибка.
       Пример нелинейной функции
        f  xi ;1 , 2 , 3   1   2 e3 xi и др.

       Вопросы для самоконтроля
1. В чем особенность множественной регрессии?
2. Почему аппарат множественной регрессии может быть
   реализован в экспертной системе?
3. Как проверить результаты множественной линейной
   регрессии?
4. Что такое пошаговая регрессия?
5. Какие правила остановки в пошаговой регрессии?
6. Что такое логит модель?



                                                                 77