সহগ নির্ণয়ের (সংজ্ঞা, উদাহরণ) | ব্যাখ্যা
নির্ণয়ের সহগ কী?
সংকল্পের গুণাগুণ, যা আর স্কোয়ার্ড নামেও পরিচিত, নির্ভরশীল ভেরিয়েবলের প্রসারণের মাত্রা নির্ধারণ করে যা স্বতন্ত্র ভেরিয়েবল দ্বারা ব্যাখ্যা করা যায়। আর ^ 2 মান দেখে কেউ বিচার করতে পারে যে রিগ্রেশন সমীকরণটি ব্যবহারের জন্য যথেষ্ট ভাল কিনা। উচ্চতর গুণমানের আরও ভাল রিগ্রেশন সমীকরণ যেমন এটি সূচিত করে যে নির্ভরশীল ভেরিয়েবলটি সঠিকভাবে চয়ন করার জন্য স্বাধীন ভেরিয়েবলটি বেছে নেওয়া হয়।
বিস্তারিত ব্যাখ্যা
কোথায়
- আর = সম্পর্ক
- আর ^ 2 = রিগ্রেশন সমীকরণ নির্ধারণের সহগ
- এন = রিগ্রেশন সমীকরণে পর্যবেক্ষণের সংখ্যা
- Xi = রিগ্রেশন সমীকরণের স্বতন্ত্র পরিবর্তনশীল
- এক্স = রিগ্রেশন সমীকরণের স্বাধীন ভেরিয়েবলের গড় Mean
- Yi = রিগ্রেশন সমীকরণের নির্ভরশীল পরিবর্তনশীল
- Y = রিগ্রেশন সমীকরণের নির্ভরশীল পরিবর্তনশীলের গড় Mean
- =x = স্বতন্ত্র ভেরিয়েবলের স্ট্যান্ডার্ড বিচ্যুতি
- =y = নির্ভরশীল ভেরিয়েবলের স্ট্যান্ডার্ড বিচ্যুতি
সহগের মান 0 থেকে 1 অবধি, যেখানে 0 এর মানটি ইঙ্গিত করে যে স্বাধীন ভেরিয়েবল নির্ভরশীল ভেরিয়েবলের প্রকরণ ব্যাখ্যা করে না এবং 1 এর মান ইঙ্গিত করে যে স্বাধীন ভেরিয়েবলটি নির্ভরশীল ভেরিয়েবলের প্রকরণটি পুরোপুরি ব্যাখ্যা করে।
উদাহরণ
আপনি এখানে নির্ধারণের সূত্র এক্সেল টেম্পলেটটির গুণাগুণটি এখানে ডাউনলোড করতে পারেন - নির্ধারণের সূত্র এক্সেল টেমপ্লেটের সহগউদাহরণ # 1
আসুন আমরা উদাহরণের সাহায্যে সংকল্পের সূত্রের সহগ বোঝার চেষ্টা করি এবং বুঝতে পারি। আসুন আমরা ট্রাক ড্রাইভারের দ্বারা আচ্ছাদিত দূরত্ব এবং ট্রাক ড্রাইভারের বয়সের মধ্যে কী সম্পর্ক রয়েছে তা জানার চেষ্টা করি। কেউ দুটি ভেরিয়েবলের মধ্যকার সম্পর্কের বিষয়ে যা ভাবেন, তাও বৈধতা সমীকরণের দ্বারা বৈধ হয় কিনা তা যাচাই করার জন্য কেউ আসলে রিগ্রেশন সমীকরণ করে। এই বিশেষ উদাহরণে আমরা দেখতে পাব কোন পরিবর্তনশীল নির্ভরশীল পরিবর্তনশীল এবং কোন পরিবর্তনশীলটি স্বাধীন ভেরিয়েবল।
এই রিগ্রেশন সমীকরণের নির্ভরশীল পরিবর্তনশীল হ'ল ট্রাক ড্রাইভারের দ্বারা আচ্ছাদিত দূরত্ব এবং স্বতন্ত্র ভেরিয়েবলটি ট্রাক চালকের বয়স। রিগ্রেশন সমীকরণের সহগ পাওয়ার জন্য সূত্র এবং বর্গের সাহায্যে আমরা পারস্পরিক সম্পর্ক খুঁজে পেতে পারি। সংযুক্ত এক্সেল শীটে ডেটা সেট এবং ভেরিয়েবলগুলি উপস্থাপন করা হয়।
সমাধান:
নীচে সংকল্পের সহগের গণনার জন্য ডেটা দেওয়া হল।
সুতরাং, সংকল্পের সহগের গণনা নিম্নরূপ:
আর = -424520 / √ (683696 * 81071100)
আর হবে -
আর = -0.057020839
আর ^ 2 হবে -
আর ^ 2 = 0.325%
উদাহরণ # 2
আসুন আমরা অন্য উদাহরণের সাহায্যে সংকল্পের সহগের ধারণাটি চেষ্টা করি এবং বুঝতে পারি। আসুন আমরা একটি ক্লাসের শিক্ষার্থীদের উচ্চতা এবং সেই শিক্ষার্থীদের জিপিএ গ্রেডের মধ্যে কী সম্পর্ক তা জানার চেষ্টা করি। এই বিশেষ উদাহরণে আমরা দেখতে পাব কোন পরিবর্তনশীল নির্ভরশীল পরিবর্তনশীল এবং কোন পরিবর্তনশীলটি স্বাধীন ভেরিয়েবল।
এই রিগ্রেশন সমীকরণের নির্ভরশীল পরিবর্তনশীল হ'ল শিক্ষার্থীদের জিপিএ এবং স্বতন্ত্র পরিবর্তনশীল শিক্ষার্থীদের উচ্চতা। রিগ্রেশন সমীকরণের আর ^ 2 পেতে সূত্র এবং বর্গের সাহায্যে আমরা পারস্পরিক সম্পর্ক খুঁজে পেতে পারি। সংযুক্ত এক্সেল শীটে ডেটা সেট এবং ভেরিয়েবলগুলি উপস্থাপন করা হয়।
সমাধান:
নীচে সংকল্পের সহগের গণনার জন্য ডেটা দেওয়া হল।
সুতরাং, গণনাটি নিম্নরূপ:
আর = 34.62 / √ (169204 * 3245)
আর = 0.000467045
আর ^ 2 = 0.000000218
ব্যাখ্যা
ডেটা সেটটি ভাল ফিট কিনা তা নির্ধারণের জন্য দৃ determination়সংকল্পের সহগ একটি খুব গুরুত্বপূর্ণ আউটপুট। কেউ দুটি ভেরিয়েবলের মধ্যকার সম্পর্কের বিষয়ে যা ভাবেন, তা বৈধতার জন্য রিগ্রেশন সমীকরণ দ্বারা যাচাই করা হয় কিনা তা যাচাই করতে আসলে কেউ রিগ্রেশন বিশ্লেষণ করে। উচ্চতর গুণমানের আরও ভাল রিগ্রেশন সমীকরণ যেমন এটি সূচিত করে যে নির্ভরশীল ভেরিয়েবলটি সঠিকভাবে চয়ন করার জন্য স্বাধীন ভেরিয়েবলটি বেছে নেওয়া হয়। আদর্শভাবে, একজন গবেষক দৃ determination় সংকল্পের সহগের সন্ধান করবেন যা 100% এর নিকটতম।
