Contenido
- Definición: ¿Qué significa la Regresión de mínimos cuadrados ordinarios (OLSR)?
- Una introducción a Microsoft Azure y la nube de Microsoft | A lo largo de esta guía, aprenderá de qué se trata la computación en la nube y cómo Microsoft Azure puede ayudarlo a migrar y administrar su negocio desde la nube.
- Techopedia explica la regresión de mínimos cuadrados ordinarios (OLSR)
Definición: ¿Qué significa la Regresión de mínimos cuadrados ordinarios (OLSR)?
La regresión de mínimos cuadrados ordinarios (OLSR) es una técnica de modelado lineal generalizado. Se utiliza para estimar todos los parámetros desconocidos involucrados en un modelo de regresión lineal, cuyo objetivo es minimizar la suma de los cuadrados de la diferencia de las variables observadas y las variables explicativas.
La regresión ordinaria de mínimos cuadrados también se conoce como regresión de mínimos cuadrados ordinarios o regresión de errores de mínimos cuadrados.
Una introducción a Microsoft Azure y la nube de Microsoft | A lo largo de esta guía, aprenderá de qué se trata la computación en la nube y cómo Microsoft Azure puede ayudarlo a migrar y administrar su negocio desde la nube.
Techopedia explica la regresión de mínimos cuadrados ordinarios (OLSR)
Inventado en 1795 por Carl Friedrich Gauss, se considera uno de los primeros métodos de predicción general conocidos. OLSR describe la relación entre una variable dependiente (lo que se pretende explicar o predecir) y sus una o más variables independientes (variable explicativa). La aplicación OLSR se puede encontrar en innumerables campos como la psicología, las ciencias sociales, la medicina, la economía y las finanzas.
Hay dos relaciones que pueden ocurrir: lineal y curvilínea. Una relación lineal es una línea recta que se dibuja a través de la tendencia central de los puntos; mientras que una relación curvilínea es una línea curva. Las asociaciones entre dichas variables se representan usando un diagrama de dispersión. La relación puede ser positiva o negativa, y la variación del resultado también difiere en fuerza.
En un nivel básico, OLSR puede ser fácilmente entendido incluso por no matemáticos, y sus soluciones podrían ser fácilmente interpretadas. Su consideración adicional se debe a su capacidad de pago con los algoritmos integrados de las computadoras recientes de álgebra lineal. Por lo tanto, se puede aplicar rápidamente a problemas con cientos de variables independientes que ofrecen resultados de manera eficiente a decenas de miles de puntos de datos.
OLSR a menudo se usa en econometría, ya que proporciona el mejor estimador lineal imparcial (AZUL) dados los supuestos de Gauss-Markov. La econometría es una rama de la economía donde los métodos estadísticos se aplican a los datos económicos. Su objetivo es extraer relaciones simples mediante la disección de grandes cantidades de datos existentes. Este algoritmo estadístico también se está utilizando en el aprendizaje automático y el análisis predictivo para predecir dinámicamente resultados basados en variables que cambian dinámicamente.