सांख्यिकीय रूप से स्वतंत्र बनाम असुरसंबद्ध विदेशी मुद्रा

एक स्वतंत्र-नमूने टी परीक्षण का महत्व सिर्फ इसका मतलब है कि यदि वास्तविक रूप से नमूना किया गया औसत अंतर 0 0 से कम है, तो संभव है कि संभावना (यदि अशक्त सच है) के रूप में एक अंतर को नमूना बनाना है। यह आश्रित स्वतंत्रता से बिल्कुल असंबंधित है। आश्रित का मतलब है कि कुछ व्यक्तिगत टिप्पणियों के वितरण दूसरों के वितरण से जुड़ा हुआ है, उदाहरण के लिए, ए) वे उसी परीक्षा लेने वाले दूसरे व्यक्ति हैं, बी) प्रत्येक समूह के लोग कुछ प्री-टेस्ट वैरिएबल से मेल खाते हैं, सी) दो समूहों में लोग संबंधित हैं (यानी परिवार)। स्वतंत्र का मतलब है कि ऐसा कोई संबंध नहीं है। उत्तर 11 अगस्त 10 बजे 21:12 टी परीक्षणों पर क्यों रोकें आप दो चर के बारे में सोच सकते हैं, दो ऑर्थोगोनल वैक्टर के रूप में दो अनियंत्रित हैं, ठीक उसी तरह एक्स और वाई अक्षों की तरह दो आयामी कार्टेशियन समन्वय प्रणाली में। जब दो वैक्टर हों, तो कहें कि मठबफ और मठबफ दूसरे के साथ सहसंबद्ध हैं, तो एक्स का एक निश्चित हिस्सा होगा जो y पर और इसके ठीक विपरीत पेश किया जा सकता है। इसके साथ दिमाग में, यह देखने में काफी आसान है कि, जहां से पियरसन सहसंबंध गुणांक और बाएं लिटकोड हैं, cdotrightgt तर्क का आंतरिक उत्पाद है। जब मैंने यह सीखा तो मैं पूरी तरह से उभर रहा था कि कैसे जियोग्राफ़िक सरल सहसंबंध के विचार है और यह निश्चित रूप से दो (या अधिक) वेरिएबल के बीच के संबंध को मापने का एकमात्र तरीका नहीं है। महत्व परीक्षण एक अलग गेंद खेल है अक्सर हम जानना चाहते हैं कि कुछ हेरफेर के परिणामस्वरूप कुछ (दो या अधिक) समूहों में कुछ परिणाम वैरिएबल पर अंतर होता है जो कि कहा समूहों पर किया गया था। ब्रायन की तरह ब्रायन ने कहा, आप जानना चाहते हैं कि क्या दो समूह एक ही वितरण से आते हैं, इस प्रकार आप मतलब अंतर (माध्य के मानक त्रुटि द्वारा स्केलिंग) की संभावना की गणना करते हैं जो आपने अपने प्रयोग से प्राप्त किया था, यह देखते हुए कि रिक्त परिकल्पना (साधनों में कोई महत्वपूर्ण अंतर नहीं है) सच है। व्यवहार अनुसंधान (और अक्सर कहीं और) यदि यह संभावना 0.05 कम है, तो आप यह निष्कर्ष निकाल सकते हैं कि आपके (दो या अधिक) साधनों में अंतर आपके हेरफेर के कारण होने की संभावना है। संपादित करें दिलीप सरवटे ने बताया कि दो असंतुलित चर सांख्यिकीय आधार पर हो सकते हैं, इसलिए मैंने पहला भाग निकाल लिया। उसके लिए धन्यवाद। उत्तर 21 मार्च 11 को 4: 16 रेगुलेशन विश्लेषण प्रतिगमन विश्लेषण एक पूर्वानुमानित विश्लेषण तकनीक है जिसमें एक या एक से अधिक चर का उपयोग सीधा रेखा के सूत्र के उपयोग से दूसरे स्तर के बारे में अनुमानित करने के लिए किया जाता है, yabx-BVIARIATE REVRESSION विश्लेषण में प्रतिगमन का एक प्रकार है जो प्रतिगमन में केवल दो चर का उपयोग किया जाता है, भविष्य कहनेवाला मॉडल - एक चरणीय को डिपरेंडेंट वर्रिबल (वाई) कहा जाता है, दूसरे को स्वतंत्र रूप से वर्णित (एक्स) कहा जाता है-स्वतंत्र रूप से भिन्न चरणीय परिभाषा का भविष्यवाणी करने के लिए प्रयोग किया जाता है, और यह रेग्रेसन फ़ॉर्मुला में एक्स - रीग्रेस विश्लेषण एक भविष्यवाणी विश्लेषण तकनीक है जिसमें स्ट्रॉइट-लाइन फ़ार्मुला याबक्स, सेल्स () 10,0001.3 विज्ञापन (1) के लिए प्रत्येक के स्तर का अनुमान लगाने के लिए एक या अधिक चर का उपयोग किया जाता है। विज्ञापन में खर्च की गई डॉलर राशि, बिक्री 1.3 की वृद्धि हुई है। यदि विज्ञापन -0, बिक्री 10,000 यानी चर की भविष्यवाणी की गई है, तो चर का उपयोग इंटरसेप्ट की भविष्यवाणी करने के लिए किया जाता है, या बिंदु जहां रेखा में y - अक्ष काटता है, जब एक्सओ ब्ला स्लोपी या x में किसी भी 1-यूनिट परिवर्तन के लिए वाई में परिवर्तन नोट: Y एक METRIC VARIABLE होना चाहिए। एक्स (एस) एक मेट्रिक भिन्न या डेशियल वर्जनबल होना चाहिए जो कि केवल दो संभावित मानों में से एक पर आधारित होता है (अनुपात-प्रकार चर) Bivariate रैखिक पुनरावृत्ति विश्लेषण: बेसिक प्रक्रिया- प्रतिगमन मॉडल, अवरोधन (ए), और ढलान (बी) हमेशा की स्थिति के लिए जांच की जानी चाहिए, क्योंकि हम उन्हें एक नमूने के साथ अनुमान लगा रहे हैं। हम आबादी में बी और ए के मूल्यों में रुचि रखते हैं - रणन विश्लेषण की भविष्यवाणियों का अनुमान है जिनके पास कुछ त्रुटि होती है, अवरोधन और स्लोप के सांख्यिकीय महत्व के लिए परीक्षण - एचई टी-टेस्ट-वैल्यू: यह निर्धारित करने के लिए उपयोग किया जाता है कि क्या अवरोधन (ए) और ढलान (ए) शून्य से काफी अलग हैं यही है, अगर पर्याप्त सबूत हैं कि यह सुझाव है कि वे जनसंख्या में शून्य से भिन्न हैं - यदि गणनाकृत टी मान 1.96 या p-value lt.05 से अधिक है, तो पैरामीटर की तुलना में शून्य से भिन्न है। ध्यान दें कि सरल प्रतिगमन कुछ सहसंबंध गुणांक के समान है, लेकिन आपको एक ही ढलान गुणांक देता है (बी) पुनरावृत्ति भविष्यवाणियों को आत्मविश्वास के अंतराल के साथ बनाया जाता है SPSS के साथ प्रतिगमन विश्लेषण - फैशनेबल होने के कारण बताता है कि क्या कोई कैटलॉग गुच्ची छवि YabX YMatches से गुच्ची छवि एक्स फैशनेबल आवेदक चर के रूप में गुच्ची इमेचोटॉट के रूप में उद्धरण चिह्नों के साथ एक प्रतिगमन समीकरण चलाएं और स्वतंत्र परिवर्तक के रूप में quotfashionablequot परिणाम आपको एनोवा तालिका (देखें चार्ट) पर मिलेगा: - एनोवा तालिका से पी-मान बताता है कि मॉडल सांख्यिकीय रूप से महत्वपूर्ण है या नहीं भविष्य कहनेवाला क्षमता - अगर, समग्र, मॉडल निर्भर चर का अनुमान लगा सकता है- यदि p-value lt.05- उस मॉडल पर निर्भर चर का अनुमान लगाया गया है (एक रैखिक संबंध है) - अगर p-valuegt.05- मॉडल निर्भर चर का अनुमान नहीं करता है (एक रैखिक संबंध नहीं है) आप यहां रोक सकते हैं - R2 से 0 से 1 के लिए रेंज और अलग-अलग भरोसेमंद राशि का प्रतिनिधित्व करता है जो कि संयुक्त स्वतंत्र चर-द्वारा, कोटेक्लाइनेटेड या इसके लिए जिम्मेदार है - यह स्वतंत्र और आश्रित चर के बीच लाइनर रिलेशनशिप की ताकत का एक उपाय है। यह एक संकेत है कि स्वतंत्र चर कितने प्रतिगमन में निर्भर चर की भविष्यवाणी कर सकते हैं- जीटी एक प्रतिशत में आर 2 को परिवर्तित करें: R2 का .27 का अर्थ है कि प्रतिगमन मॉडल निर्भर चर में 27 में परिवर्तनशीलता को बताता है एकाधिक प्रतिगमन विश्लेषण - अधिकतर प्रतिगमन कि आपके पास एक से अधिक स्वतंत्र चर है जो कि एक एकल निर्भर चर को पूर्ववर्ती समानार्थी है: yab1x1b2x2b3x3 बीएमएक्सएम जहां: निर्भर, या भविष्यवाणी, वेरिएबल xiindependent variable i athe interrupt bithe ढलान स्वतंत्र चर के लिए I मी समीकरण में स्वतंत्र चर की संख्या नोट: वाई एक METRIC variable होना चाहिए एक्स (एस) एक मेट्रिक विविधतापूर्ण या असाधारण चरणीय होना चाहिए जो कि केवल दो संभावित मूल्यों में से एक (अनुपात-प्रकार चर) में से एक पर ले जाता है - आर 2 से 0 से 1 के लिए रेंज और लंबित भिन्नता के राशि को उद्धृत करता है जो कि उद्धृत है , या संयुक्त के लिए जिम्मेदार है, - एडीजेएसईटीईडी आर 2, आर के एक संशोधन है कि एक मॉडल में एक्सप्लान्टरी शब्दों की संख्या के लिए एडसस्टस है - अब उपयोगी है जब आप विभिन्न संख्या में भविष्यवक्ताओं के साथ मॉडल की तुलना कर रहे हैं - सामान्यतः, अधिक भविष्यवाणियों में आप है, उच्चतर R2- इस कारण से, यह अलग-अलग भविष्यवाणियों के साथ मॉडल की तुलना करने के लिए नहीं है। यही कारण है कि हम एक समायोजन परिचय मानकीकृत बीटा गुणांक - स्टैंडर्डिड बीटा क्वॉलिफायंट: बीटास जो वैकल्पिक पटकथाकर्ता चर का सापेक्ष महत्व दर्शाता है। वे अलग-अलग बीएस की तुलना करने के लिए उपयोग किया जाता है और देखें कि वाई पर अधिक प्रभाव पड़ता है- मूल विचार यह है कि अलग-अलग चर माप के विभिन्न इकाइयों (जैसे रवैया की इकाई, वरीयता की इकाई) से मापा जाता है। इस कारण से, (निर्बाध रूप से) बीटास तुलनीय नहीं हैं। मानकीकृत बीटा गुणांक माप की तुलनीय इकाइयों का उपयोग करते हैं ताकि बीटास की तुलना की जा सकें और अधिक सटीक अनुमान प्राप्त करने के लिए, मॉडल वेरिएबल से समाप्त करें जो महत्वपूर्ण नहीं हैं (अर्थात उनके बी के लिए पी-मान gt.05 है) यह विशेष रूप से महत्वपूर्ण है जब आप उपयोग करना चाहते हैं परिणाम भविष्यवाणियां करने के लिए मॉडल को ट्रिम करने के लिए: 1. उस समय से एक वैरिएबल को खत्म कर दें, जो कि उच्च पी-मान 2 से शुरू हो रहा है 2. विश्लेषण फिर से चलाएं 3. जब तक केवल महत्वपूर्ण चर को मॉडल में छोड़ दिया जाए, तब तक दोहराएं