โมเดลการถดถอยเชิงเส้น (Linear Regression Models)
แนะนำใหม่| English | ความหมาย |
|---|---|
| regression line/rɪˈɡreʃn laɪn/ | เส้นถดถอย |
| extrapolation/ekˈstræpəleɪʃn/ | การประมาณค่าภายนอก |
เส้นผ่านกลุ่มเมฆ
- เมื่อกราฟกระจายดูเป็นเส้นตรง, สรุปด้วย เส้นถดถอย (regression line)
- เราเขียนค่า predicted response ว่า $\hat{y} = a + bx$ (หมวก (^) หมายถึง "predicted")
- $a$ คือ $y$-intercept, $b$ คือ slope — สูตรของเส้น
- เส้นนี้ช่วยให้เราทำนาย $y$ จากค่า $x$ ใดๆ ได้ และอธิบายแนวโน้มได้อย่างแม่นยำ
อ่านค่า slope
- Slope $b$ คือ การเปลี่ยนแปลงที่คาดการณ์ไว้ใน $y$ สำหรับทุกเพิ่ม $1$-unit ใน $x$
- ในบริบท: "การเรียนเพิ่มอีกหนึ่งชั่วโมง ทำนายได้ว่าคะแนนจะสูงขึ้นประมาณ $b$ คะแนน"
- สัญญาณตรงกับทิศทางการสัมพันธ์ (บวกหรือลบ)
- Slope คือส่วนที่สำคัญที่สุดในการตีความบนข้อสอบ
อ่านค่า intercept
- Intercept $a$ คือค่า predicted $y$ เมื่อ $x = 0$.
- บางครั้งมีความหมาย ("คะแนนพื้นฐานเมื่อเรียน 0 ชั่วโมง"), บางครั้งก็ไม่มี
- ถ้า $x = 0$ jauh di luar data, intercept เป็นเพียง ancora matematika semata
- ตีความในบริบท — และrecursive honesty เมื่อ $x=0$ ไม่มีความหมายจริง
อย่าใช้วิธี Extrapolate
- ใช้เส้นเฉพาะ ในช่วง ของค่า $x$ ที่สังเกตได้เท่านั้น
- Extrapolation — การทำนายไกลเกินข้อมูล — ไม่น่าเชื่อถือ
- รูปแบบเส้นตรงอาจไม่ดำเนินต่อไปนอกพื้นที่นั้น
- โมเดลที่เหมาะกับนักเรียนที่เรียน $0$–$8$ ชั่วโมง ไม่บอกอะไร关于 $40$ ชั่วโมงที่น่าเชื่อถือ
ตีความ slope sebagai predicted change, bukan actual one: "each extra hour is associated with about $b$ more points," not "causes." And never trust a prediction from extrapolation — plugging in an $x$ far outside the data range gives a number the data can't support, even if the arithmetic works.
สำหรับชั่วโมงเรียน, $\hat{y} = 55 + 4x$ (คะแนนที่预测จากชั่วโมง)
- Slope $4$: Each extra hour of study predicts about $4$ more points.
- Intercept $55$: A student who studies $0$ hours is predicted to score $55$.
- Predict at $x=3$: $\hat{y} = 55 + 4(3) = 67$ points — safely inside the data range.
เส้นถดถอยกำลังสองน้อยที่สุด $\hat{y} = a + bx$ ใช้สร้างโมเดลแนวโน้มเชิงเส้น ความชัน $b$ คือ การเปลี่ยนแปลงที่คาดการณ์ได้ของ $y$ ต่อการเพิ่มขึ้น $1$-หน่วยใน $x$; จุดตัดแกน $a$ คือค่าที่คาดการณ์ของ $y$ ที่ $x=0$**。 predictions ต้องทำเฉพาะ ภายใน ช่วงข้อมูล — การคาดนอกช่วง (extrapolation) นอกเหนือจากนั้นมีความน่าเชื่อถือต่ำ
เส้นน้อยที่สุดกำลังสอง (The least-squares line)
เส้นที่ปรับแล้วทำนาย y สำหรับทุกค่า x ภายในข้อมูล
สำหรับ y-hat = 55 + 4x ทำนายคะแนนเมื่อ x = 3 ชั่วโมง
Difficulty 2/5 · 140 coins + a small bonus on first completion today
55 + 4(3) = 55 + 12 = 67.
ใน y-hat = 55 + 4x ความชัน 4 หมายความว่าอะไร?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ความชัน = การเปลี่ยนแปลงที่คาดการณ์ของ y ต่อการเพิ่มขึ้นของ x 1 หน่วย
การใช้โมเดลทำนายไกลเกินขอบเขตข้อมูลที่สังเกตได้ของการ x เรียกว่าการคาดนอก (extrapolation) และเชื่อถือไม่ได้
Difficulty 1/5 · 100 coins + a small bonus on first completion today
การคาดนอกมีความเสี่ยง — รูปแบบอาจไม่ดำเนินต่อไป
ใน y-hat = a + bx, ตัวอักษร a คือ y-___
Difficulty 1/5 · 100 coins + a small bonus on first completion today
a คือจุดตัดแกน y: ค่า y ที่คาดการณ์เมื่อ x = 0
เรียงลำดับขั้นตอนในการทำนายค่าตอบสนองจากสมการถดถอย
Difficulty 3/5 · 200 coins + a small bonus on first completion today
ระวังการคาดนอกก่อน แล้วจึงคำนวณและตีความ