டர்பின் வாட்சன் புள்ளிவிவர வரையறை

டர்பின் வாட்சன் புள்ளிவிவரம் என்ன?

டர்பின் வாட்சன் (டி.டபிள்யூ) புள்ளிவிவரம் என்பது புள்ளிவிவர பின்னடைவு பகுப்பாய்விலிருந்து எஞ்சியுள்ளவற்றில் தன்னியக்க தொடர்புக்கான ஒரு சோதனை ஆகும். டர்பின்-வாட்சன் புள்ளிவிவரம் எப்போதும் 0 மற்றும் 4 க்கு இடையில் ஒரு மதிப்பைக் கொண்டிருக்கும். 2.0 இன் மதிப்பு என்பது மாதிரியில் தன்னியக்க தொடர்பு எதுவும் கண்டறியப்படவில்லை என்பதாகும். 0 முதல் 2 க்கும் குறைவான மதிப்புகள் நேர்மறை தன்னியக்க உறவைக் குறிக்கின்றன மற்றும் 2 முதல் 4 வரையிலான மதிப்புகள் எதிர்மறை தானியங்கு தொடர்பைக் குறிக்கின்றன.

நேர்மறையான தன்னியக்க உறவைக் காண்பிக்கும் ஒரு பங்கு விலை நேற்றைய விலை இன்றைய விலையுடன் நேர்மறையான தொடர்பைக் கொண்டிருப்பதைக் குறிக்கும் - ஆகவே நேற்று பங்கு சரிந்திருந்தால், அது இன்று வீழ்ச்சியடைய வாய்ப்புள்ளது. எதிர்மறையான தன்னியக்க உறவைக் கொண்ட ஒரு பாதுகாப்பு, காலப்போக்கில் தன்னைத்தானே எதிர்மறையான தாக்கத்தை ஏற்படுத்துகிறது - ஆகவே அது நேற்று விழுந்தால், அது இன்று உயரும் வாய்ப்பு அதிகம்.

முக்கிய எடுத்துக்காட்டுகள்

டர்பின் வாட்சன் புள்ளிவிவரம் ஒரு தரவு தொகுப்பில் தன்னியக்க தொடர்புக்கான ஒரு சோதனை ஆகும். டி.டபிள்யூ புள்ளிவிவரம் எப்போதும் பூஜ்ஜியத்திற்கும் 4.0 க்கும் இடையில் ஒரு மதிப்பைக் கொண்டுள்ளது. 2.0 இன் மதிப்பு என்பது மாதிரியில் தன்னியக்க தொடர்பு எதுவும் கண்டறியப்படவில்லை. பூஜ்ஜியத்திலிருந்து 2.0 வரையிலான மதிப்புகள் நேர்மறையான தன்னியக்க உறவைக் குறிக்கின்றன மற்றும் 2.0 முதல் 4.0 வரையிலான மதிப்புகள் எதிர்மறை தன்னியக்க தொடர்பைக் குறிக்கின்றன. தொழில்நுட்ப பகுப்பாய்வில் தன்னியக்க தொடர்பு பயனுள்ளதாக இருக்கும், இது ஒரு நிறுவனத்தின் நிதி சுகாதாரம் அல்லது நிர்வாகத்திற்கு பதிலாக விளக்கப்பட நுட்பங்களைப் பயன்படுத்தி பாதுகாப்பு விலைகளின் போக்குகளுடன் மிகவும் அக்கறை கொண்டுள்ளது.

டர்பின் வாட்சன் புள்ளிவிவரத்தின் அடிப்படைகள்

தன்னியக்க தொடர்பு, தொடர் தொடர்பு என்றும் அழைக்கப்படுகிறது, வரலாற்றுத் தரவைப் பகுப்பாய்வு செய்வதில் ஒரு குறிப்பிடத்தக்க சிக்கலாக இருக்கலாம். உதாரணமாக, பங்கு விலைகள் ஒரு நாளில் இருந்து இன்னொரு நாளுக்கு மிகவும் தீவிரமாக மாறக்கூடாது என்பதால், இந்த அவதானிப்பில் பயனுள்ள தகவல்கள் குறைவாக இருந்தாலும், ஒரு நாளில் இருந்து அடுத்த நாளுக்கு விலைகள் மிகவும் தொடர்புபடுத்தப்படலாம். தன்னியக்க தொடர்பு சிக்கல்களைத் தவிர்ப்பதற்காக, நிதியத்தின் எளிதான தீர்வு, தொடர்ச்சியான வரலாற்று விலைகளை நாளுக்கு நாள் சதவீதம்-விலை மாற்றங்களின் வரிசையாக மாற்றுவதாகும்.

தொழில்நுட்ப பகுப்பாய்வுக்கு தன்னியக்க தொடர்பு பயனுள்ளதாக இருக்கும், இது ஒரு நிறுவனத்தின் நிதி சுகாதாரம் அல்லது நிர்வாகத்திற்கு பதிலாக தரவரிசை நுட்பங்களைப் பயன்படுத்தி பாதுகாப்பு விலைகளின் போக்குகள் மற்றும் உறவுகளுக்கு மிகவும் அக்கறை கொண்டுள்ளது. தொழில்நுட்ப ஆய்வாளர்கள் தன்னியக்க உறவைப் பயன்படுத்தி ஒரு பாதுகாப்பிற்கான கடந்தகால விலைகள் அதன் எதிர்கால விலையில் எவ்வளவு தாக்கத்தை ஏற்படுத்துகின்றன என்பதைக் காணலாம்.

டர்பின் வாட்சன் புள்ளிவிவரத்திற்கு புள்ளிவிவர நிபுணர்களான ஜேம்ஸ் டர்பின் மற்றும் ஜெஃப்ரி வாட்சன் பெயரிடப்பட்டது.

ஒரு பங்குடன் தொடர்புடைய வேகமான காரணி இருந்தால் தானியங்கு தொடர்பு காண்பிக்க முடியும். எடுத்துக்காட்டாக, ஒரு பங்கு வரலாற்று ரீதியாக அதிக நேர்மறையான தன்னியக்க தொடர்பு மதிப்பைக் கொண்டுள்ளது என்பதை நீங்கள் அறிந்திருந்தால், கடந்த பல நாட்களாக பங்கு திடமான லாபத்தை ஈட்டுவதை நீங்கள் கண்டீர்கள் என்றால், வரவிருக்கும் பல நாட்களில் (முன்னணி நேரத் தொடர்) இயக்கங்கள் பொருந்தும் என்று நீங்கள் நியாயமான முறையில் எதிர்பார்க்கலாம். பின்தங்கிய நேரத் தொடர்கள் மற்றும் மேல்நோக்கி நகர்த்துவது.

டர்பின் வாட்சன் புள்ளிவிவரத்தின் எடுத்துக்காட்டு

டர்பின் வாட்சன் புள்ளிவிவரத்திற்கான சூத்திரம் மிகவும் சிக்கலானது, ஆனால் தரவுகளின் தொகுப்பில் சாதாரண குறைந்தபட்ச சதுரங்களின் பின்னடைவிலிருந்து எஞ்சியவற்றை உள்ளடக்கியது. இந்த புள்ளிவிவரத்தை எவ்வாறு கணக்கிடுவது என்பதை பின்வரும் எடுத்துக்காட்டு விளக்குகிறது.

பின்வரும் (x, y) தரவு புள்ளிகளைக் கொள்ளுங்கள்:

$\begin{matrix} ஜோடி ஒன்று = (10, 1, 100) \\ ஜோடி இரண்டு = (20, 1, 200) \\ ஜோடி மூன்று = (35, 985) \\ ஜோடி நான்கு = (40, 750) \\ ஜோடி ஐந்து = (50, 1, 215) \\ ஜோடி ஆறு = (45, 1, 000) \end{matrix} \ begin {சீரமைத்த} & \ உரை {ஜோடி ஒன்று} = \ இடது ({10}, {1, 100} வலது) \ & \ உரை {ஜோடி இரண்டு} = \ இடது ({20}, {1, 200} வலது) \ & \ உரை {ஜோடி மூன்று} = \ இடது ({35}, {985} வலது) \ & \ உரை {ஜோடி நான்கு} = \ இடது ({40}, {750} வலது) \ & \ உரை {ஜோடி ஐந்து} = \ இடது ({50}, {1, 215} வலது) \ & \ உரை {ஜோடி ஆறு} = \ இடது ({45}, {1, 000} வலது) \ \ முடிவு {சீரமைக்கப்பட்டது}$ ஜோடி ஒன்று = (10, 1, 100) ஜோடி இரண்டு = (20, 1, 200) ஜோடி மூன்று = (35, 985) ஜோடி நான்கு = (40, 750) ஜோடி ஐந்து = (50, 1, 215) ஜோடி ஆறு = (45, 1, 000)

"சிறந்த பொருத்தத்தின் கோடு" கண்டுபிடிக்க குறைந்தபட்ச சதுரங்கள் பின்னடைவின் முறைகளைப் பயன்படுத்தி, இந்தத் தரவின் சிறந்த பொருத்தக் கோடுக்கான சமன்பாடு:

$ஒய் = - 2.6268 எக்ஸ் + 1, 129.2 ஒய் = {- 2, 6268} X + {1, 129.2}$ ஒய் = -2.6268x + 1, 129.2

டர்பின் வாட்சன் புள்ளிவிவரத்தை கணக்கிடுவதற்கான இந்த முதல் படி, சிறந்த பொருத்தம் சமன்பாட்டின் வரியைப் பயன்படுத்தி எதிர்பார்க்கப்படும் "y" மதிப்புகளைக் கணக்கிடுவது. இந்த தரவு தொகுப்பிற்கு, எதிர்பார்க்கப்படும் "y" மதிப்புகள்:

$\begin{matrix} எதிர்பார்க்கப்படுகிறது ஒய் (1) = (- 2.6268 \times 10) + 1, 129.2 = 1, 102.9 \\ எதிர்பார்க்கப்படுகிறது ஒய் (2) = (- 2.6268 \times 20) + 1, 129.2 = 1, 076.7 \\ எதிர்பார்க்கப்படுகிறது ஒய் (3) = (- 2.6268 \times 35) + 1, 129.2 = 1, 037.3 \\ எதிர்பார்க்கப்படுகிறது ஒய் (4) = (- 2.6268 \times 40) + 1, 129.2 = 1, 024.1 \\ எதிர்பார்க்கப்படுகிறது ஒய் (5) = (- 2.6268 \times 50) + 1, 129.2 = 997.9 \\ எதிர்பார்க்கப்படுகிறது ஒய் (6) = (- 2.6268 \times 45) + 1, 129.2 = 1, 011 \end{matrix} \ begin {சீரமைக்கப்பட்டது} & \ உரை {எதிர்பார்க்கப்படுகிறது} Y \ இடது ({1} வலது) = \ இடது (- {2.6268} முறை {10} வலது) + {1, 129.2} = {1, 102.9} \ & \ உரை {எதிர்பார்க்கப்படுகிறது} Y \ இடது ({2} வலது) = \ இடது (- {2.6268} முறை {20} வலது) + {1, 129.2} = {1, 076.7} \ & \ உரை {எதிர்பார்க்கப்பட்ட} Y \ இடது ({. 3} வலது) = \ இடது (- {2.6268} முறை {35} வலது) + {1, 129.2} = {1, 037.3} \ & \ உரை {எதிர்பார்க்கப்பட்ட} Y \ இடது ({4} வலது) = \ இடது (- {2.6268} முறை {40} வலது) + {1, 129.2} = {1, 024.1} \ & \ உரை {எதிர்பார்க்கப்பட்ட} Y \ இடது ({5} வலது) = \ இடது (- {2.6268} முறை) 50} வலது) + {1, 129.2} = {997.9} \ & \ உரை {எதிர்பார்க்கப்படுகிறது} Y \ இடது ({6} வலது) = \ இடது (- {2.6268} முறை {45} வலது) + {1, 129.2 } = {1, 011} \ \ முடிவு {சீரமைக்கப்பட்டது}$ ExpectedY (1) = (- 2, 6268 × 10) + 1, 129.2 = 1, 102.9ExpectedY (2) = (- 2, 6268 × 20) + 1, 129.2 = 1, 076.7ExpectedY (3) = (- 2, 6268 × 35) + 1, 129.2 = 1, 037.3ExpectedY (4) = (- 2, 6268 × 40) + 1, 129.2 = 1, 024.1ExpectedY (5) = (- 2, 6268 × 50) + 1, 129.2 = 997.9ExpectedY (6) = (- 2, 6268 × 45) + 1, 129.2 = 1.011

அடுத்து, எதிர்பார்க்கப்படும் "y" மதிப்புகள் மற்றும் பிழைகள் மற்றும் உண்மையான "y" மதிப்புகளின் வேறுபாடுகள் கணக்கிடப்படுகின்றன:

$\begin{matrix} பிழை (1) = (1, 100 - 1, 102.9) = - 2.9 \\ பிழை (2) = (1, 200 - 1, 076.7) = 123.3 \\ பிழை (3) = (985 - 1, 037.3) = - 52.3 \\ பிழை (4) = (750 - 1, 024.1) = - 274.1 \\ பிழை (5) = (1, 215 - 997.9) = 217.1 \\ பிழை (6) = (1, 000 - 1, 011) = - 11 \end{matrix} \ begin {சீரமைக்கப்பட்டது} & \ உரை {பிழை} இடது ({1} வலது) = \ இடது ({1, 100} - {1, 102.9} வலது) = {- 2.9} \ & \ உரை {பிழை} இடது () {2} வலது) = \ இடது ({1, 200} - {1, 076.7} வலது) = {123.3} \ & \ உரை {பிழை} இடது ({3} வலது) = \ இடது ({985} - {. 1, 037.3} வலது) = {- 52.3} \ & \ உரை {பிழை} இடது ({4} வலது) = \ இடது ({750} - {1, 024.1} வலது) = {- 274.1} \ & \ உரை {பிழை} இடது ({5} வலது) = \ இடது ({1, 215} - {997.9} வலது) = {217.1} \ & \ உரை {பிழை} இடது ({6} வலது) = \ இடது ({1, 000} - {1, 011} வலது) = {- 11} \ \ முடிவு {சீரமைக்கப்பட்டது}$ பிழை (1) = (1, 100-1, 102.9) = - 2.9Error (2) = (1, 200-1, 076.7) = 123.3Error (3) = (985-1, 037.3) = - 52.3Error (4) = (750-1, 024.1) = -274.1Error (5) = (1, 215-997.9) = 217.1Error (6) = (1, 000-1, 011) = - 11

அடுத்து இந்த பிழைகள் ஸ்கொயர் செய்யப்பட்டு சுருக்கமாக இருக்க வேண்டும்:

$\begin{matrix} பிழைகள் தொகை = \\ ({- 2.9}^{2} + {123.3}^{2} + {- 52.3}^{2} + {- 274.1}^{2} + {217.1}^{2} + {- 11}^{2}) = \\ 140, 330.81 \end{matrix} \ begin {சீரமைக்கப்பட்டது} & \ உரை {பிழைகள் தொகை ஸ்கொயர் =} \ & \ இடது ({- 2.9} ^ {2} + {123.3} ^ {2} + {- 52.3} ^ {2} + {- 274.1 } ^ {2} + {217.1} ^ {2} + {- 11} ^ {2} வலது) = \\ & {140, 330.81} \ & \ உரை {} \ \ முடிவு {சீரமைக்கப்பட்டது}.$ பிழைகள் தொகை = (- 2.92 + 123.32 + −52.32 + −274.12 + 217.12 + −112) = 140, 330.81

அடுத்து, முந்தைய பிழையின் கழித்தல் பிழையின் மதிப்பு கணக்கிடப்பட்டு ஸ்கொயர் செய்யப்படுகிறது:

$\begin{matrix} வேறுபாடு (1) = (123.3 - (- 2.9)) = 126.2 \\ வேறுபாடு (2) = (- 52.3 - 123.3) = - 175.6 \\ வேறுபாடு (3) = (- 274.1 - (- 52.3)) = - 221.9 \\ வேறுபாடு (4) = (217.1 - (- 274.1)) = 491.3 \\ வேறுபாடு (5) = (- 11 - 217.1) = - 228.1 \\ வேறுபாடுகள் சதுரத்தின் தொகை = 389, 406.71 \end{matrix} \ begin {சீரமைக்கப்பட்டது} & \ உரை {வேறுபாடு} இடது ({1} வலது) = \ இடது ({123.3} - \ இடது ({- 2.9} வலது) வலது) = {126.2} \ & \ உரை {வேறுபாடு} இடது ({2} வலது) = \ இடது ({-52.3} - {123.3} வலது) = {- 175.6} \ & \ உரை {வேறுபாடு} இடது ({3} வலது) = \ இடது ({-274.1} - \ இடது ({- 52.3} வலது) வலது) = {- 221.9} \ & \ உரை {வேறுபாடு} இடது ({4} வலது) = \ இடது ({217.1} - \ இடது ({- 274.1} வலது) வலது) = {491.3} \ & \ உரை {வேறுபாடு} இடது ({5} வலது) = \ இடது ({-11} - {217.1} வலது) = {- 228.1} \ & \ உரை Dif வேறுபாடுகள் சதுரத்தின் தொகை} = {389, 406.71} \ \ முடிவு {சீரமைக்கப்பட்டது}$ வேறுபாடு (1) = (123.3 - (- 2.9)) = 126.2Difference (2) = (- 52.3-123.3) = - 175.6Difference (3) = (- 274, 1 - (- 52.3)) = - 221.9Difference (4) = (217.1 - (- 274.1)) = 491.3 வேறுபாடு (5) = (- 11−217.1) = - 228.1 வேறுபாடுகள் சதுரம் = 389, 406.71

இறுதியாக, டர்பின் வாட்சன் புள்ளிவிவரம் சதுர மதிப்புகளின் மேற்கோள் ஆகும்:

$டர்பின் வாட்சன் = 389, 406.71 / 140, 330.81 = 2.77 \ உரை {டர்பின் வாட்சன்} = {389, 406.71} / {140, 330.81} = {2.77}$ டர்பின் வாட்சன் = 389, 406.71 / 140, 330.81 = 2.77

கட்டைவிரல் விதி என்னவென்றால், 1.5 முதல் 2.5 வரம்பில் உள்ள சோதனை புள்ளிவிவர மதிப்புகள் ஒப்பீட்டளவில் இயல்பானவை. இந்த வரம்பிற்கு வெளியே உள்ள எந்த மதிப்பும் கவலைக்கு ஒரு காரணமாக இருக்கலாம். டர்பின்-வாட்சன் புள்ளிவிவரம், பல பின்னடைவு பகுப்பாய்வு திட்டங்களால் காட்டப்படும் போது, சில சூழ்நிலைகளில் பொருந்தாது. உதாரணமாக, விளக்கமளிக்கும் மாறிகளில் பின்தங்கிய சார்பு மாறிகள் சேர்க்கப்படும்போது, இந்த சோதனையைப் பயன்படுத்துவது பொருத்தமற்றது.

பொருளடக்கம்:

டர்பின் வாட்சன் புள்ளிவிவர வரையறை

டர்பின் வாட்சன் புள்ளிவிவரம் என்ன?

முக்கிய எடுத்துக்காட்டுகள்

டர்பின் வாட்சன் புள்ளிவிவரத்தின் அடிப்படைகள்

டர்பின் வாட்சன் புள்ளிவிவரத்தின் எடுத்துக்காட்டு

ஆசிரியர் தேர்வு