Modele statystyczne

Co to takiego model statystyczny?

Model statystyczny to nic innego jak hipoteza lub też zbiór hipotez. Warunkiem jest, aby hipotezy były sformułowane w matematyczny sposób. W takim wypadku te hipotezy są równaniem lub też układem równań. Ponadto, między opisywanymi czy też badanymi zjawiskami rzeczywistymi, które są zawarte w hipotezach, powinno występować powiązanie między nimi.

Poza określeniem „model statystyczny” obracając się w świecie związanym ze statystykami możemy używać określenia: „przestrzeń statystyczna”.

Jakie wyróżniamy rodzaje modeli statystycznych?

Tych modeli jest dosyć sporo. Dlatego też, ja opiszę tylko te, z którymi najczęściej się spotykamy. Innymi słowy, zamiast mówić o rodzajach modeli statystycznych, będę mówić o węzłach modelowania statystycznego. Pierwszym opisywanym węzłem modelowania statystycznego jest model regresji liniowej. Na poniższej grafice możesz zobaczyć, jak mniej więcej ten model wygląda. Dzięki temu modelowi możemy przewidzieć wartość ilościową docelową. Wszystko to możemy wyliczyć na podstawie LINIOWEJ zależności między szukaną przez nas wartością ilościową a liczbą zmiennych. Zmienne te fachowo nazywane są predyktorami, a ich ilość jest równa przynajmniej jeden.

Następny węzeł, który będziemy analizować to regresja logistyczna. Działanie tego modelu jest bardzo zbliżone do wyżej opisanej regresji liniowej. Ten model statystyczny pozwala nam na zapisanie, czy też sklasyfikowanie rekordów (wartości największych), dzięki analizie zmiennych, które mamy na początku. Co ważne, tutaj nie mamy określonego przedziału liczbowego. Przewidujemy tutaj zmienną jakościową w przeciwieństwie do regresji liniowej.

Na poniższej grafice możesz zobaczyć porównanie tych dwóch wyżej opisanych modeli.

Kolejnym, i ostatnim opisywanym węzłem w tym opracowaniu jest analiza dyskryminacyjna. Ten węzeł stanowi pewnego rodzaju uzupełnienie powyższego rodzaju modeli statystycznych (regresji logistycznej), lecz tylko w przypadku spełnienia ściśle określonych założeń. Dlatego też, analiza dyskryminacyjna jest dosyć wartościową alternatywę dla regresji logistycznej. Przykładowy model tej analizy przedstawia grafika poniżej.