Definição – O que significa Regressão de mínimos quadrados ordinários (OLSR)?
A regressão de mínimos quadrados ordinários (OLSR) é uma técnica de modelagem linear generalizada. É usado para estimar todos os parâmetros desconhecidos envolvidos em um modelo de regressão linear, cujo objetivo é minimizar a soma dos quadrados da diferença das variáveis observadas e as variáveis explicativas.
A regressão de mínimos quadrados ordinários também é conhecida como regressão de mínimos quadrados ordinários ou regressão de erros de mínimos quadrados.
Definirtec explica a regressão de mínimos quadrados ordinários (OLSR)
Inventado em 1795 por Carl Friedrich Gauss, é considerado um dos primeiros métodos de previsão geral conhecidos. OLSR descreve a relação entre uma variável dependente (o que se pretende explicar ou predizer) e uma ou mais variáveis independentes (variável explicativa). O aplicativo OLSR pode ser encontrado em uma infinidade de campos, como psicologia, ciências sociais, medicina, economia e finanças.
Existem duas relações que podem ocorrer: linear e curvilínea. Uma relação linear é uma linha reta traçada pela tendência central dos pontos; ao passo que uma relação curvilínea é uma linha curva. As associações entre as referidas variáveis são representadas por meio de um gráfico de dispersão. A relação pode ser positiva ou negativa e a variação do resultado também difere em intensidade.
Em um nível básico, OLSR pode ser facilmente compreendido mesmo por não matemáticos, e suas soluções podem ser facilmente interpretadas. Sua consideração adicional é devido à sua disponibilidade com algoritmos embutidos em computadores recentes de álgebra linear. Portanto, pode ser rapidamente aplicado a problemas com centenas de variáveis independentes, fornecendo resultados de forma eficiente para dezenas de milhares de pontos de dados.
OLSR é freqüentemente usado em econometria, pois fornece o melhor estimador linear não enviesado (AZUL), dadas as suposições de Gauss-Markov. A econometria é um ramo da economia onde os métodos estatísticos são aplicados aos dados econômicos. Seu objetivo é extrair relacionamentos simples, dissecando enormes quantidades de dados existentes. Esse algoritmo estatístico também está sendo usado em aprendizado de máquina e análise preditiva para prever resultados dinamicamente com base em variáveis que mudam dinamicamente.