Metode procjene i odabira linearnog regresijskog modela

diplomski rad

• Naslov (engleski): Methods for estimating and selecting a linear regression model
• Autor: Josip Mucak
• Mentor: Miljenko Huzak (mentor)
• Član povjerenstva: Miljenko Huzak (predsjednik povjerenstva)
• Član povjerenstva: Zoran Vondraček (član povjerenstva)
• Član povjerenstva: Eduard Marušić-Paloka (član povjerenstva)
• Član povjerenstva: Pavle Goldstein (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2021-09-22, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

U ovome radu upoznali smo se sa principom i svrhom korištenja linearne regresije u različitim formama. Vidjeli smo kako funkcioniraju neke od osnovnih metoda za pronalazak koeficijenata (i mnogih drugih statistika) linearnog regresijskog modela, odnosno kako ponekad možemo izmijeniti (metode sažimanja) prvobitno dobivene koeficijente ili neke prediktore u potpunosti izbaciti (metode odabira podskupa) u svrhu poboljšanja snage predikcije. Zaključujemo da bez obzira na prednost neke metode s obzirom na druge u određenom problemu, ne postoji savršeni model koji bi u svakome problemu predikcije davao optimalno rješenje, već moramo svaki puta uzeti u obzir više metoda kako bismo pronašli model koji nam u tom trenutku najviše odgovara gledajući kriterij koji nas najviše zanima.

Sažetak (engleski)

In this paper, we are introduced to the principle and purpose of using linear regression in different forms. We have seen how some of the basic methods for finding the coefficients (and many other statistics) of a linear regression model work, that is, how we can sometimes modify (shrinkage methods) originally obtained coefficients or eliminate some predictors completely (subset selection methods) to improve prediction power. We conclude that regardless of the advantage of some methods over others in a certain problem, there is no perfect model that would predict the optimal solution in each problem, instead each time we must consider several methods to find the model that suits us best at that time by looking at the criterion that interests us the most.

• Ključne riječi: linearna regresija; metode sažimanja; metode odabira podskupa; snaga predikcije
• Ključne riječi (engleski): linear regression; shrinkage methods; subset selection methods; prediction power
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:842312
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-10-29 12:29:53