Zawartość
Jednym z najbardziej podstawowych narzędzi do analizy inżynierskiej lub naukowej jest regresja liniowa. Ta technika rozpoczyna się od zestawu danych w dwóch zmiennych. Zmienna niezależna jest zwykle nazywana „x”, a zmienna zależna jest zwykle nazywana „y”. Celem tej techniki jest identyfikacja linii y = mx + b, która aproksymuje zestaw danych. Ta linia trendu może przedstawiać, graficznie i liczbowo, relacje między zmiennymi zależnymi i niezależnymi. Na podstawie tej analizy regresji obliczana jest również wartość korelacji.
Zidentyfikuj i rozdziel wartości xiy punktów danych. Jeśli korzystasz z arkusza kalkulacyjnego, wprowadź je do sąsiednich kolumn. Powinna być taka sama liczba wartości xiy. Jeśli nie, obliczenia będą niedokładne lub funkcja arkusza kalkulacyjnego zwróci błąd. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Oblicz średnią wartość dla wartości x i wartości y, dzieląc sumę wszystkich wartości przez całkowitą liczbę wartości w zestawie. Te średnie będą określane jako „x_avg” i y_avg. ”X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Utwórz dwa nowe zestawy danych, odejmując wartość x_avg od każdej wartości x i wartość y_avg od każdej wartości y. x1 = (6 - 6, 5 - 6, 11 - 6, 7 - 6 ...) x1 = (0, -1, 5, 1, -1, -2, -2) y1 = (2 - 5, 3 - 5, 9 - 5, 1 - 5, ...) y1 = (-3, -2, 4, -4, 3, 2, 0)
Pomnóż każdą wartość x1 przez każdą wartość y1, w kolejności. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Kwadrat każdej wartości x1. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Oblicz sumy wartości x1y1 i wartości x1 ^ 2. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Podziel „sum_x1y1” przez „sum_x1 ^ 2”, aby uzyskać współczynnik regresji. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0,306