דילוג לתוכן המרכזי

סיכום ישר הרגרסיה

מתמטיקה כיתה י"א 4 יח"ל · 5 נושאים

כל מה שצריך לדעת בישר הרגרסיה: המושגים, הכללים, דרכי הפתרון בצעדים ודוגמה פתורה לכל נושא. לחזרה מהירה לפני מבחן - הסיכום המקוצר או דף הנוסחאות.

תזכורת: ממוצע וסטיית תקן

בכל מדגם של שני משתנים יש לנו שתי רשימות של ערכים: ערכי xx וערכי yy. לכל רשימה מחשבים מרכז (ממוצע) ומדד של פיזור (סטיית תקן).

במדויק: עבור NN ערכים x1,…,xNx_1,\dots,x_N הממוצע הוא xˉ=x1+x2+⋯+xNN\bar{x}=\frac{x_1+x_2+\dots+x_N}{N}, וסטיית התקן היא Sx=(x1−xˉ)2+⋯+(xN−xˉ)2NS_x=\sqrt{\frac{(x_1-\bar{x})^2+\dots+(x_N-\bar{x})^2}{N}}. סטיית התקן תמיד Sx≥0S_x\ge0, והיא שווה 00 רק כשכל הערכים שווים. באותו אופן מגדירים yˉ\bar{y} ו-SyS_y.

תזכורת: מקדם המתאם rr

בנושא הקודם מדדנו במספר אחד עד כמה הנקודות בדיאגרמת הפיזור קרובות לקו ישר, ובאיזה כיוון: מקדם המתאם rr.

במדויק: כאשר Sx>0S_x>0 ו-Sy>0S_y>0, מקדם המתאם הוא r=(x1−xˉ)(y1−yˉ)+⋯+(xN−xˉ)(yN−yˉ)N⋅Sx⋅Syr=\frac{(x_1-\bar{x})(y_1-\bar{y})+\dots+(x_N-\bar{x})(y_N-\bar{y})}{N\cdot S_x\cdot S_y}. תמיד −1≤r≤1-1\le r\le1. הסימן של rr הוא כיוון הקשר הלינארי (חיובי או שלילי). r=±1r=\pm1 אם ורק אם כל הנקודות על ישר אחד, ו-r=0r=0 אומר שאין קשר סטטיסטי לינארי.

1. משוואת ישר הרגרסיה מממוצעים, סטיות תקן ומקדם מתאם

ישר הרגרסיה

כשבדיאגרמת הפיזור הנקודות מסתדרות בערך לאורך קו ישר, אפשר לתאר את הקשר בעזרת ישר אחד: ישר הרגרסיה. בעזרתו מנבאים את yy לפי xx.

במדויק: ישר הרגרסיה לניבוי yy לפי xx הוא הישר שעובר דרך נקודת הממוצעים (xˉ,yˉ)(\bar{x},\bar{y}) ושהשיפוע שלו הוא m=r⋅SySxm=r\cdot\frac{S_y}{S_x}, כאשר xˉ,yˉ\bar{x},\bar{y} הממוצעים, Sx,SyS_x,S_y סטיות התקן (Sx>0S_x>0, Sy>0S_y>0) ו-rr מקדם המתאם.

הישר נבנה משלושה דברים שכבר יודעים לחשב: הממוצעים, סטיות התקן ומקדם המתאם. כש-r=0r=0 השיפוע הוא 00, והישר הוא y=yˉy=\bar{y}.

באיור: חמש תצפיות, ישר הרגרסיה שלהן y=1.7x+0.9y=1.7x+0.9, ונקודת הממוצעים (3,6)(3,6) שעליו.

012345601234567891011(3,6)

משוואת ישר הרגרסיה (לניבוי yy לפי xx)

משוואת הישר: y−yˉ=m(x−xˉ)y-\bar{y}=m(x-\bar{x})

השיפוע: m=r⋅SySxm=r\cdot\frac{S_y}{S_x}

xˉ,yˉ\bar{x},\bar{y} הם הממוצעים, Sx,SyS_x,S_y סטיות התקן ו-rr מקדם המתאם.

שים לב

לא להחליף בין סטיות התקן: בישר לניבוי yy, סטיית התקן של yy נמצאת במונה, m=r⋅SySxm=r\cdot\frac{S_y}{S_x} (ולא r⋅SxSyr\cdot\frac{S_x}{S_y}).

דרך הפתרון

מציאת משוואת ישר הרגרסיה

כשנתונים הממוצעים, סטיות התקן ומקדם המתאם (או טבלת נתונים שממנה מחשבים אותם):

1. מחשבים (או קוראים מהנתונים) את xˉ\bar{x}, yˉ\bar{y}, SxS_x, SyS_y ו-rr.

2. מחשבים את השיפוע m=r⋅SySxm=r\cdot\frac{S_y}{S_x}.

3. מציבים בנוסחה y−yˉ=m(x−xˉ)y-\bar{y}=m(x-\bar{x}).

4. פותחים סוגריים ומבודדים את yy, עד הצורה y=mx+by=mx+b.

שים לב

הממוצע של yy הולך עם yy, והממוצע של xx הולך עם xx: y−yˉ=m(x−xˉ)y-\bar{y}=m(x-\bar{x}), ולא y−xˉ=m(x−yˉ)y-\bar{x}=m(x-\bar{y}).

שים לב

בדיקה עצמית: מציבים x=xˉx=\bar{x} במשוואה שהתקבלה. אם לא יוצא yˉ\bar{y}, יש טעות בבידוד yy.

דוגמה א - משוואת ישר הרגרסיה מנתונים מסכמים

נתון: xˉ=4\bar{x}=4, yˉ=20\bar{y}=20, Sx=2S_x=2, Sy=5S_y=5, r=0.8r=0.8. מצאו את משוואת ישר הרגרסיה לניבוי yy לפי xx.

פתרון

1. שיפוע: m=r⋅SySx=0.8⋅52=2m=r\cdot\frac{S_y}{S_x}=0.8\cdot\frac{5}{2}=2.

2. הצבה בנוסחה: y−20=2(x−4)y-20=2(x-4).

3. בידוד yy: y−20=2x−8y-20=2x-8, ולכן y=2x+12y=2x+12.

תשובה

y=2x+12y=2x+12

דוגמה ב - משוואת ישר הרגרסיה מטבלת נתונים

בטבלה הנתונים של 5 תצפיות:

xx12345
yy354810

א. חשבו את xˉ\bar{x}, yˉ\bar{y}, SxS_x ו-SyS_y.

ב. חשבו את מקדם המתאם rr.

ג. מצאו את משוואת ישר הרגרסיה לניבוי yy לפי xx.

פתרון

1. א. ממוצעים: xˉ=1+2+3+4+55=3\bar{x}=\frac{1+2+3+4+5}{5}=3, yˉ=3+5+4+8+105=6\bar{y}=\frac{3+5+4+8+10}{5}=6.

2. סטיות מהממוצע: ב-xx: −2,−1,0,1,2-2,-1,0,1,2. ב-yy: −3,−1,−2,2,4-3,-1,-2,2,4.

3. סטיות תקן: Sx=4+1+0+1+45=2≈1.414S_x=\sqrt{\frac{4+1+0+1+4}{5}}=\sqrt{2}\approx 1.414, Sy=9+1+4+4+165=6.8≈2.608S_y=\sqrt{\frac{9+1+4+4+16}{5}}=\sqrt{6.8}\approx 2.608.

4. ב. סכום המכפלות של הסטיות: (−2)(−3)+(−1)(−1)+0⋅(−2)+1⋅2+2⋅4=6+1+0+2+8=17(-2)(-3)+(-1)(-1)+0\cdot(-2)+1\cdot 2+2\cdot 4=6+1+0+2+8=17.

5. מקדם המתאם: r=175⋅1.414⋅2.608≈0.922r=\frac{17}{5\cdot 1.414\cdot 2.608}\approx 0.922. קשר לינארי חיובי חזק.

6. ג. שיפוע: m=0.922⋅2.6081.414≈1.7m=0.922\cdot\frac{2.608}{1.414}\approx 1.7.

7. הצבה: y−6=1.7(x−3)y-6=1.7(x-3), כלומר y−6=1.7x−5.1y-6=1.7x-5.1, ולכן y=1.7x+0.9y=1.7x+0.9.

8. בדיקה: מציבים x=3x=3: 1.7⋅3+0.9=6=yˉ1.7\cdot3+0.9=6=\bar{y}.

תשובה

א. xˉ=3\bar{x}=3, yˉ=6\bar{y}=6, Sx≈1.414S_x\approx 1.414, Sy≈2.608S_y\approx 2.608. ב. r≈0.922r\approx 0.922. ג. y=1.7x+0.9y=1.7x+0.9.

שאלות פתוחות על משוואת ישר הרגרסיה מממוצעים, סטיות תקן ומקדם מתאם

2. ניבוי בעזרת ישר הרגרסיה

ניבוי

ישר הרגרסיה נבנה כדי לענות על שאלה אחת: אם ידוע xx, מה כדאי להעריך לגבי yy? את ההערכה הזאת קוראים ניבוי.

במדויק: הניבוי של yy עבור ערך נתון x0x_0 הוא הערך של ישר הרגרסיה ב-x0x_0: מציבים x=x0x=x_0 במשוואת ישר הרגרסיה y=mx+by=mx+b, והתוצאה mx0+bmx_0+b היא ערך הניבוי. זו הערכה, ולא הערך האמיתי של yy בתצפית.

הנקודות מפוזרות סביב הישר, ולכן הערך האמיתי בדרך כלל קצת גבוה או קצת נמוך מהניבוי. רק כש-r=1r=1 או r=−1r=-1 כל הנקודות על הישר.

באיור: ישר הרגרסיה y=3x+54y=3x+54 מנבא ציון לפי מספר שעות לימוד. עולים מ-x=8x=8 עד הישר, ופונים לציר ה-yy: הניבוי הוא 78.

‫שעות לימוד‬‫ציון‬02468101250556065707580859095(8,78)
דרך הפתרון

ניבוי בעזרת ישר הרגרסיה

כשמבקשים ניבוי של yy עבור ערך נתון של xx:

1. מוצאים את משוואת ישר הרגרסיה y=mx+by=mx+b (אם היא לא נתונה).

2. מציבים את ערך ה-xx הנתון. התוצאה היא ערך הניבוי של yy.

תכונות הניבוי

•הניבוי עבור x=xˉx=\bar{x} הוא תמיד yˉ\bar{y}, כי הישר עובר דרך נקודת הממוצעים.

•הניבוי מדויק לכל התצפיות רק בקשר מושלם (r=±1r=\pm 1). בכל מקרה אחר הוא הערכה.

שים לב

לא כותבים "הציון יהיה 78" או "בדיוק 78". כותבים: "על פי ישר הרגרסיה, הניבוי לציון הוא 78".

שים לב

לשאלה "האם אפשר להסיק שהערך הוא בדיוק...?" התשובה היא לא: זה ניבוי, והקשר אינו מושלם. בנימוק מציינים את ערך rr.

דוגמה - ניבוי, ותלמיד שקיבל ציון שונה מהניבוי

נבדק הקשר בין מספר שעות הלימוד למבחן (xx) ובין הציון במבחן (yy). נתון: xˉ=6\bar{x}=6, Sx=2S_x=2, yˉ=72\bar{y}=72, Sy=10S_y=10, r=0.6r=0.6.

א. מצאו את משוואת ישר הרגרסיה לניבוי הציון לפי מספר שעות הלימוד.

ב. על פי ישר הרגרסיה, מהו הניבוי לציון של תלמיד שלמד 8 שעות?

ג. תלמיד שלמד 8 שעות קיבל 85. האם זה סותר את ישר הרגרסיה? נמקו.

פתרון

1. נתון: xˉ=6\bar{x}=6, Sx=2S_x=2, yˉ=72\bar{y}=72, Sy=10S_y=10, r=0.6r=0.6. המטרה: משוואת הישר, ניבוי עבור x=8x=8, והשוואה לתצפית.

2. א. שיפוע: m=0.6⋅102=3m=0.6\cdot\frac{10}{2}=3.

3. הצבה: y−72=3(x−6)y-72=3(x-6), כלומר y−72=3x−18y-72=3x-18, ולכן y=3x+54y=3x+54.

4. ב. מציבים x=8x=8: y=3⋅8+54=78y=3\cdot 8+54=78.

5. ג. לא סותר. r=0.6r=0.6, כלומר הקשר אינו מושלם והנקודות מפוזרות סביב הישר. 78 הוא ניבוי (הערכה), ולתלמיד מסוים יכול להיות ציון גבוה או נמוך ממנו.

תשובה

א. y=3x+54y=3x+54. ב. 78. ג. לא סותר: הניבוי הוא הערכה, כי r≠±1r\ne\pm 1.

שאלות פתוחות על ניבוי בעזרת ישר הרגרסיה

3. הקשר בין שיפוע ישר הרגרסיה למקדם המתאם ונקודת הממוצעים

שיפוע ישר הרגרסיה

בנוסחה של ישר הרגרסיה מופיע מקדם המתאם rr בתוך השיפוע. לכן מהשיפוע אפשר ללמוד דברים על rr, ולהפך.

במדויק: שיפוע ישר הרגרסיה הוא המקדם mm במשוואה y=mx+by=mx+b, והוא שווה m=r⋅SySxm=r\cdot\frac{S_y}{S_x}. הוא אומר בכמה משתנה הניבוי של yy כאשר xx גדל ב-1. סטיות התקן SxS_x ו-SyS_y חיוביות, ולכן ל-mm ול-rr תמיד אותו סימן, ו-m=0m=0 בדיוק כש-r=0r=0.

באיור: שלושה ישרי רגרסיה אפשריים עם אותה נקודת ממוצעים (4,20)(4,20). קשר חיובי נותן ישר עולה, קשר שלילי נותן ישר יורד, ו-r=0r=0 נותן את הישר האופקי y=yˉy=\bar{y}.

012345678048121620242832(4,20)

שיפוע ומקדם המתאם

- m=r⋅SySxm=r\cdot\frac{S_y}{S_x}, ולכן r=m⋅SxSyr=m\cdot\frac{S_x}{S_y}.

•הסימן של mm שווה לסימן של rr. כש-r=0r=0 גם m=0m=0.

•כש-Sx=SyS_x=S_y מתקיים m=rm=r.

שים לב

שיפוע גדול לא אומר קשר חזק. השיפוע תלוי ביחידות המדידה: אם מודדים את yy בסנטימטרים במקום במטרים, השיפוע גדל פי 100, אבל rr לא משתנה. את עוצמת הקשר קובע רק rr.

תמיד −1≤r≤1-1\le r\le1

מקדם המתאם תמיד בין −1-1 ל-11. מספר מחוץ לתחום הזה לא יכול להיות מקדם מתאם.

שים לב

כשצריך לבחור את rr מבין כמה מספרים: קודם פוסלים מספרים מחוץ ל-[−1,1][-1,1], אחר כך לפי הסימן (כיוון הישר או כיוון הנקודות), ובסוף לפי העוצמה (כמה הנקודות קרובות לישר).

נקודת הממוצעים

ישר הרגרסיה עובר דרך (xˉ,yˉ)(\bar{x},\bar{y}). לכן במשוואה y=mx+by=mx+b מתקיים yˉ=mxˉ+b\bar{y}=m\bar{x}+b. כשנתונים שניים מבין xˉ\bar{x}, yˉ\bar{y}, bb (ו-mm ידוע), מוצאים את השלישי בהצבה.

דוגמה א - בחירת rr לפי סימן השיפוע, בלי חישוב

משוואת ישר הרגרסיה לניבוי yy לפי xx היא y=−0.8x+30y=-0.8x+30. אחד מן המספרים 0.90.9, −0.7-0.7, 00, 1.21.2 הוא מקדם המתאם rr. קבעו איזה מהם, ונמקו (אין צורך לחשב).

פתרון

1. נתון: השיפוע m=−0.8m=-0.8. המטרה: לזהות את rr מבין ארבעה מספרים.

2. 1.21.2 לא יכול להיות מקדם מתאם, כי תמיד −1≤r≤1-1\le r\le 1.

3. השיפוע −0.8-0.8 שלילי. לשיפוע ולמקדם המתאם אותו סימן, ולכן r<0r<0. זה פוסל את 0.90.9.

4. אם r=0r=0, השיפוע היה 00. זה פוסל את 00.

תשובה

r=−0.7r=-0.7

דוגמה ב - מציאת bb ו-rr מיחס סטיות התקן

משוואת ישר הרגרסיה לניבוי yy לפי xx היא y=1.2x+by=1.2x+b, כאשר bb פרמטר. נתון: xˉ=5\bar{x}=5, yˉ=14\bar{y}=14.

א. מצאו את bb.

ב. נתון כי SySx=1.5\frac{S_y}{S_x}=1.5. חשבו את rr.

ג. הראו שבמדגם הזה לא ייתכן ש-Sy=SxS_y=S_x.

פתרון

1. נתון: m=1.2m=1.2, xˉ=5\bar{x}=5, yˉ=14\bar{y}=14. המטרה: bb, rr, והוכחה ש-Sy≠SxS_y\ne S_x.

2. א. הישר עובר דרך (5,14)(5,14): 14=1.2⋅5+b=6+b14=1.2\cdot 5+b=6+b, ולכן b=8b=8.

3. ב. r=m⋅SxSy=mSy/Sx=1.21.5=0.8r=m\cdot\frac{S_x}{S_y}=\frac{m}{S_y/S_x}=\frac{1.2}{1.5}=0.8.

4. ג. אם Sy=SxS_y=S_x, אז r=m=1.2r=m=1.2.

5. אבל תמיד r≤1r\le 1, ולכן זה לא ייתכן.

תשובה

א. b=8b=8. ב. r=0.8r=0.8. ג. אם Sy=SxS_y=S_x היה יוצא r=1.2>1r=1.2>1, וזה לא ייתכן.

שאלות פתוחות על הקשר בין שיפוע ישר הרגרסיה למקדם המתאם ונקודת הממוצעים

4. השפעת טרנספורמציה לינארית על ישר הרגרסיה ועל עוצמת הקשר

טרנספורמציה לינארית ב-yy

לפעמים כל ערכי yy משתנים באותה צורה: המחירים עלו כולם ב-6%, או שמכל משקל צריך להפחית 2 גרם. שינוי כזה נקרא טרנספורמציה לינארית במשתנה yy.

במדויק: טרנספורמציה לינארית ב-yy מחליפה כל ערך yiy_i ב-kyi+cky_i+c, כאשר kk ו-cc הם קבועים, אותם קבועים לכל התצפיות, ו-k≠0k\ne0. ערכי xx לא משתנים. בשיעור הזה k>0k>0: הוספה או הפחתה של קבוע (k=1k=1), הכפלה במספר חיובי (c=0c=0), או שניהם.

שינוי אחיד לא משנה עד כמה הנקודות קרובות לקו ישר, ולכן מקדם המתאם rr לא משתנה. מה שמשתנה הוא yˉ\bar{y}, אולי SyS_y, ולכן גם ישר הרגרסיה.

הוספת קבוע מזיזה את כל הנקודות למעלה או למטה: הפיזור לא משתנה, השיפוע נשאר, והישר זז באותו קבוע.

הכפלה ב-k>0k>0 מותחת או מכווצת את הנקודות לאורך ציר ה-yy: גם yˉ\bar{y} וגם SyS_y מוכפלים ב-kk, ולכן גם השיפוע.

באיור: הפחתת 2 מכל ערכי yy מורידה את הישר y=3x+10y=3x+10 אל y=3x+8y=3x+8, באותו שיפוע.

01234502468101214161820222426

טרנספורמציה לינארית ב-yy

השינוי בכל ערך yyyˉ\bar{y}SyS_yrrשיפוע mmישר הרגרסיה החדש
הוספת ccyˉ+c\bar{y}+cלא משתנהלא משתנהלא משתנהy=mx+b+cy=mx+b+c
הכפלה ב-k>0k>0kyˉk\bar{y}kSykS_yלא משתנהkmkmy=k(mx+b)y=k(mx+b)
הכפלה ב-k>0k>0 והוספת cckyˉ+ck\bar{y}+ckSykS_yלא משתנהkmkmy=k(mx+b)+cy=k(mx+b)+c

את הישר החדש לא צריך לבנות מחדש: מפעילים את אותו שינוי על כל אגף ימין של המשוואה y=mx+by=mx+b.

שינוי באחוזים

עלייה של p%p\% בכל ערכי yy היא הכפלה ב-k=1+p100k=1+\frac{p}{100}. ירידה של p%p\% היא הכפלה ב-k=1−p100k=1-\frac{p}{100} (כאשר p<100p<100).

שים לב

אם כל ערכי yy ירדו, rr לא יורד והקשר לא נחלש. שינוי אחיד לכל הערכים לא משנה את rr. בהכפלה משתנים השיפוע ו-SyS_y.

שים לב

הוספת קבוע ל-yy לא משנה את השיפוע ולא את SyS_y. היא מזיזה רק את yˉ\bar{y} ואת הישר כולו למעלה או למטה.

דוגמה א - הפחתת קבוע מכל ערכי yy

משוואת ישר הרגרסיה לניבוי משקל עכבר בגרמים (yy) לפי משקל מנת המזון היומית שלו בגרמים (xx) היא y=3x+10y=3x+10. התברר שהמאזניים של העכברים לא היו מכוילים, ויש להפחית 2 גרמים ממשקל כל עכבר.

א. מהי משוואת ישר הרגרסיה החדשה?

ב. מהו הניבוי החדש למשקל עכבר שמנת המזון שלו 3.5 גרמים?

פתרון

1. נתון: הישר y=3x+10y=3x+10, ומכל ערך yy מפחיתים 2. המטרה: הישר החדש וניבוי עבור x=3.5x=3.5.

2. א. הפחתת קבוע לא משנה את השיפוע ואת rr, והישר יורד ב-2: y=3x+10−2=3x+8y=3x+10-2=3x+8.

3. ב. מציבים x=3.5x=3.5: y=3⋅3.5+8=10.5+8=18.5y=3\cdot 3.5+8=10.5+8=18.5.

תשובה

א. y=3x+8y=3x+8. ב. 18.5 גרמים.

דוגמה ב - עלייה של 6% בכל ערכי yy

נבדק הקשר בין מספר הילדים של זוג (xx) ובין ההוצאה החודשית שלו על דלק בשקלים (yy). נמצא: Sy=850S_y=850, ומשוואת ישר הרגרסיה היא y=500x+1500y=500x+1500. בעקבות עליית מחירים, ההוצאה של כל זוג עלתה ב-6%.

א. קבעו אם SyS_y גדלה, קטנה או לא השתנתה, ומצאו את ערכה החדש.

ב. קבעו אם rr גדל, קטן או לא השתנה. נמקו.

ג. מצאו את משוואת ישר הרגרסיה החדשה.

פתרון

1. נתון: Sy=850S_y=850, הישר y=500x+1500y=500x+1500, וכל ערך yy עלה ב-6%. המטרה: SyS_y החדשה, השינוי ב-rr והישר החדש.

2. עלייה של 6% היא הכפלה של כל yy ב-k=1.06k=1.06.

3. א. הפיזור גדל באותו יחס: Sy=1.06⋅850=901S_y=1.06\cdot 850=901. סטיית התקן גדלה.

4. ב. rr לא השתנה: כל ערכי yy הוכפלו באותו מספר חיובי, והקשר הלינארי נשמר באותה עוצמה ובאותו כיוון.

5. ג. כל אגף ימין מוכפל ב-1.061.06: y=1.06(500x+1500)=530x+1590y=1.06(500x+1500)=530x+1590.

תשובה

א. גדלה: Sy=901S_y=901. ב. לא השתנה. ג. y=530x+1590y=530x+1590.

שאלות פתוחות על השפעת טרנספורמציה לינארית על ישר הרגרסיה ועל עוצמת הקשר

5. מתי ניבוי בעזרת ישר הרגרסיה חסר משמעות

ניבוי חסר משמעות

את הנוסחה של ישר הרגרסיה אפשר להפעיל על כל טבלת נתונים, ותמיד יוצא ישר. אבל לא תמיד לישר הזה יש ערך.

במדויק: לניבוי בעזרת ישר הרגרסיה יש משמעות רק כאשר קיים קשר סטטיסטי לינארי בין שני המשתנים, כלומר כשהנקודות בדיאגרמת הפיזור מסתדרות בקירוב סביב קו ישר. כשאין קשר סטטיסטי בין המשתנים, או כשהקשר אינו לינארי, אין לישר הרגרסיה משמעות מעשית, גם אם אפשר לחשב אותו.

קשר שאינו לינארי יכול להיות חזק מאוד ובכל זאת לתת r=0r=0. באיור: חמש נקודות על הפרבולה y=x2y=x^2. מקדם המתאם שלהן 00, ולכן ישר הרגרסיה הוא y=yˉ=2y=\bar{y}=2, ישר שלא מתאר את הקשר בכלל.

-3-2-112336(-2,4)(-1,1)(1,1)(2,4)

מתי ניבוי בעזרת ישר הרגרסיה חסר משמעות

המצבאיך מזהים
אין קשר סטטיסטיrr קרוב ל-00, הנקודות מפוזרות בלי כיוון
הקשר אינו לינאריהנקודות מסתדרות לאורך קו עקום. rr יכול להיות קרוב ל-00 למרות שיש קשר

הניבוי שימושי כשהנקודות בדיאגרמת הפיזור קרובות לקו ישר, ו-rr קרוב ל-11 או ל-−1-1.

שים לב

r=0r=0 לא אומר ש"אין שום קשר". הוא אומר שאין קשר לינארי. ייתכן קשר עקום חזק, למשל בצורת קערה.

שים לב

גם קשר לינארי חזק הוא קשר סטטיסטי, לא סיבה ותוצאה. לא כותבים ש-xx "גורם" ל-yy לגדול רק בגלל ש-rr חיובי וקרוב ל-1.

שים לב

לפני ניבוי בודקים: האם rr קרוב ל-11 או ל-−1-1, והאם הנקודות בדיאגרמת הפיזור מסתדרות סביב קו ישר? אם לא, כותבים שהניבוי חסר משמעות ומנמקים.

דוגמה א - מקדם מתאם קרוב ל-0: אין קשר לינארי

נבדק הקשר בין מידת הנעליים של תלמידים (xx) ובין הציון שלהם במתמטיקה (yy). נמצא r=0.08r=0.08, ומשוואת ישר הרגרסיה היא y=0.5x+60y=0.5x+60. האם כדאי להשתמש בישר הזה כדי לנבא ציון של תלמיד לפי מידת הנעליים שלו? נמקו.

פתרון

1. נתון: r=0.08r=0.08 וישר הרגרסיה. המטרה: להחליט אם לניבוי יש משמעות.

2. r=0.08r=0.08 קרוב מאוד ל-0. כמעט אין קשר לינארי בין המשתנים.

3. לכן הנקודות מפוזרות רחוק מהישר, והניבוי לפי הישר לא אומר כמעט כלום על הציון של תלמיד מסוים.

תשובה

לא. הקשר הלינארי חלש מאוד, ולכן הניבוי חסר משמעות.

דוגמה ב - r=0r=0 כשהקשר אינו לינארי

בטבלה נתונים של 5 תצפיות:

xx12345
yy85458

א. חשבו את xˉ\bar{x}, yˉ\bar{y} ואת מקדם המתאם rr.

ב. מצאו את משוואת ישר הרגרסיה לניבוי yy לפי xx.

ג. האם ישר הרגרסיה מתאים לניבוי בנתונים האלה? נמקו בעזרת דיאגרמת הפיזור.

פתרון

1. א. xˉ=155=3\bar{x}=\frac{15}{5}=3, yˉ=8+5+4+5+85=6\bar{y}=\frac{8+5+4+5+8}{5}=6.

2. סטיות: ב-xx: −2,−1,0,1,2-2,-1,0,1,2. ב-yy: 2,−1,−2,−1,22,-1,-2,-1,2.

3. סכום המכפלות: (−2)(2)+(−1)(−1)+0⋅(−2)+1⋅(−1)+2⋅2=−4+1+0−1+4=0(-2)(2)+(-1)(-1)+0\cdot(-2)+1\cdot(-1)+2\cdot 2=-4+1+0-1+4=0. לכן r=0r=0.

4. ב. r=0r=0, ולכן m=0m=0, והישר הוא y=yˉy=\bar{y}: y=6y=6.

5. ג. בדיאגרמה הנקודות יוצרות צורת "קערה": יש קשר ברור, אבל הוא לא לינארי. הישר y=6y=6 מנבא 6 לכל xx, בעוד ש-yy האמיתי נע בין 4 ל-8.

0123456012345678910
תשובה

א. xˉ=3\bar{x}=3, yˉ=6\bar{y}=6, r=0r=0. ב. y=6y=6. ג. לא: הקשר אינו לינארי, ולכן לישר הרגרסיה אין משמעות לניבוי.

שאלות פתוחות על מתי ניבוי בעזרת ישר הרגרסיה חסר משמעות

כל האתר במבט אחד

קיצורי דרך לכל הכלים, הבגרויות והקורסים

GuyAI הוא המורה הפרטי המתקדם בישראל, המבוסס על מודלי הבינה המלאכותית החזקים בעולם בשילוב הידע הפדגוגי של GOOL. המערכת מספקת פתרונות לכל המקצועות ולכל הרמות - מיסודי ועד אקדמיה, וממתמטיקה ועד היסטוריה.