Tartalom
A mérnöki vagy tudományos elemzés egyik legalapvetőbb eszköze a lineáris regresszió. Ez a technika két változóból álló adatkészlettel kezdődik. A független változót általában "x" -nek, a függő változót általában "y" -nak hívják. A technika célja az egy vonal azonosítása, y = mx + b, amely megközelíti az adatkészletet. Ez a trendvonal grafikusan és numerikusan megmutathatja a függő és a független változók közötti kapcsolatokat. Ebből a regressziós elemzésből kiszámítják a korreláció értékét is.
Azonosítsa és elválasztja az adatpontok x és y értékeit. Táblázatot használ, írja be őket a szomszédos oszlopokba. Ugyanazon x és y értéknek kell lennie. Ha nem, a számítás pontatlan lesz, vagy a táblázatkezelő funkció hibát ad vissza. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Számítsa ki az x és az y értékek átlagát úgy, hogy az összes érték összegét elosztja a készletben szereplő összes értékkel. Ezeket az átlagokat "x_avg" -nak és y_avg-nek nevezzük. "X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Hozzon létre két új adatkészletet úgy, hogy kivonja az x_avg értéket minden egyes x értékből és az y_avg értéket minden y értékből. 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)
Szorozzuk meg az x1 értékeket minden y1 értékkel, sorrendben. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Négyzetbe minden x1 értéket. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Számítsa ki az x1y1 és az x1 ^ 2 értékek összegét. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Osszuk el az "sum_x1y1" -et "sum_x1 ^ 2" -vel, hogy megkapjuk a regressziós együtthatót. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0,306