Regressão média linear média

Regressão linear Esta página é sobre o canal de regressão linear. Se você estiver interessado na Curva de Regressão Linear ou Linha de Regressão Linear, selecione os links abaixo: Canal de Regressão Linear Semelhante à Média de Mudança de 200 dias, as grandes instituições geralmente observam Canais de Regressão Linear de longo prazo. Um canal de regressão linear consiste em três partes: Linear Regression Line. Uma linha que melhor se adapta a todos os pontos de interesse de dados. Para obter mais informações, consulte: Linear Regression Line. Linha de canal superior. Uma linha que é paralela à Linear Regression Line e geralmente é um a dois desvios padrão acima da Linear Regression Line. Linha de canal inferior. Esta linha é paralela à Linear Regression Line e geralmente é um a dois desvios padrão abaixo da Linear Regression Line. O gráfico de vários anos do fundo de bolsa cambial SampP 500 (SPY) mostra os preços em uma tendência de alta estável e mantendo um desvio padrão apertado. Canal de regressão linear: as linhas de canal superior e inferior contêm entre si 68 de todos os preços (se 1 Desvio padrão é usado) ou 95 de todos os preços (se forem utilizados 2 desvios padrão). Quando os preços se afastam dos canais, quer: as oportunidades de compra ou venda estão presentes. Ou a tendência anterior poderia estar terminando. Canal de Regressão Linear Possível Sinal de Compra Quando o preço cair abaixo da linha de canal inferior, e um comerciante espera uma continuação da tendência, então um comerciante pode considerá-lo como um sinal de compra. Canal de regressão linear Possível sinal de venda Uma oportunidade de venda pode ocorrer quando os preços ultrapassam a linha superior do canal, mas a trader é esperada pela continuação da tendência. Outros sinais de confirmação, como os preços que se fecham de volta dentro do canal de regressão linear, podem ser usados ​​para iniciar ordens potenciais de compra ou venda. Além disso, outros indicadores técnicos podem ser usados ​​para confirmar. Reversões de tendência Quando o preço fecha fora do Canal de Regressão Linear por longos períodos de tempo, isso geralmente é interpretado como um sinal precoce de que a tendência do preço passado pode estar quebrando e uma reversão significativa pode estar próxima. Os canais de regressão linear são ferramentas de gráficos de análise técnica bastante úteis. Além de identificar as tendências e a direção da tendência, o uso do desvio padrão dá aos comerciantes ideias sobre quando os preços estão se tornando overbought ou oversold em relação à tendência de longo prazo. As informações acima são apenas para fins informativos e de entretenimento e não constituem conselhos de negociação ou solicitação para comprar ou vender qualquer estoque, opção, futuro, commodity ou produto forex. O desempenho passado não é necessariamente uma indicação de desempenho futuro. A negociação é inerentemente arriscada. OnlineTradingConcepts não será responsável por quaisquer danos especiais ou conseqüentes que resultem do uso ou da incapacidade de usar, os materiais e as informações fornecidas por este site. Veja o aviso completo. Usando a Regressão Linear para Prever as Estatísticas de Resultado para Dummies, 2ª Edição Os pesquisadores estatísticos costumam usar uma relação linear para prever o valor numérico (médio) de Y para um dado valor de X usando uma linha direta (chamada linha de regressão) . Se você conhece a inclinação e o y - intercept dessa linha de regressão, então você pode conectar um valor para X e prever o valor médio para Y. Em outras palavras, você prevê (a média) Y de X. Se você estabelecer em Menos uma correlação moderada entre X e Y através de um coeficiente de correlação e um diagrama de dispersão, então você sabe que eles têm algum tipo de relação linear. Nunca faça uma análise de regressão, a menos que você já tenha encontrado pelo menos uma correlação moderadamente forte entre as duas variáveis. (Uma boa regra de ouro deve ser em ou além de 0.50 positivo ou negativo.) Se os dados don8217t se assemelham a uma linha para começar, você não deve tentar usar uma linha para ajustar os dados e fazer previsões (mas as pessoas ainda tentam ). Antes de avançar para encontrar a equação para sua linha de regressão, você deve identificar qual das suas duas variáveis ​​é X e qual é Y. Ao fazer correlações, a escolha de qual variável é X e qual é Y não é importante, desde que você seja consistente para todos os dados. Mas ao ajustar linhas e fazer previsões, a escolha de X e Y faz a diferença. Então, como você determina qual variável é qual, em geral, Y é a variável que você deseja prever e X é a variável que você está usando para fazer essa previsão. Por exemplo, digamos que você está usando o número de vezes que uma população de grilos chilrea para prever a temperatura. Neste caso, você faria a variável Y a temperatura e a variável X o número de chirps. Portanto, Y pode ser predito por X usando a equação de uma linha se existir uma relação linear suficientemente forte. Os estatísticos chamam o X-variável (chirps de cricket neste exemplo), a variável explicativa, porque se o X mudar, a inclinação diz-lhe (ou explica) o quanto Y é esperado para mudar em resposta. Portanto, a variável Y é chamada de variável de resposta. Outros nomes para X e Y incluem as variáveis ​​independentes e dependentes, respectivamente. No caso de duas variáveis ​​numéricas, você pode criar uma linha que permite prever Y de X, se (e somente se) as duas condições a seguir forem atendidas: O diagrama de dispersão deve formar um padrão linear. A correlação, r, é moderada a forte (geralmente além de 0,50 ou 82110,50). Alguns pesquisadores realmente não observam essas condições antes de fazer previsões. Suas reivindicações não são válidas, a menos que as duas condições sejam atendidas. Mas suponha que a correlação seja alta, você ainda precisa olhar para o diagrama de dispersão Sim. Em algumas situações, os dados têm uma forma um pouco curvada, mas a correlação ainda é forte nesses casos, fazendo previsões usando uma linha reta ainda é inválida. As previsões nesses casos precisam ser feitas com base em outros métodos que usam uma curva em vez disso.