Лине́йная регре́ссия на корреля́ции — частный случай линейной регрессии . Применяется для построения простейших регрессионных моделей для прогнозирования временны́х рядов .

Определение

${\displaystyle \langle y\rangle _{t}=\sigma (y)\cdot {\sum _{k=1}^{N}{{{x_{t-1,k}-{\overline {x}}_{k}} \over \sigma (x_{k})}\cdot corr_{k}}}+{\overline {y}}}$

где:

• ${\displaystyle \langle y\rangle _{t}}$ — результат регрессионного восстановления,
• ${\displaystyle \sigma (y)}$ — стандартное отклонение восстанавливаемого ряда,
• ${\displaystyle x_{t,k}}$ — опорные ряды, из которых производится восстановление целевого ряда,
• ${\displaystyle {\overline {x}}_{k}}$ — среднее арифметическое ${\displaystyle k}$ -го опорного ряда,
• ${\displaystyle \sigma (x_{k})}$ — стандартное отклонение ${\displaystyle k}$ -го опорного ряда,
• ${\displaystyle corr_{k}}$ — коэффициент корреляции между восстанавливаемым рядом и ${\displaystyle k}$ -м опорным рядом,
• ${\displaystyle {\overline {y}}}$ — среднее арифметическое восстанавливаемого ряда.

Для улучшения этой статьи желательно : Найти и оформить в виде сносок ссылки на независимые авторитетные источники , подтверждающие написанное . Проставить сноски , внести более точные указания на источники. После исправления проблемы исключите её из списка. Удалите шаблон, если устранены все недостатки.