Obsah
Jedným z najzákladnejších nástrojov pre inžiniersku alebo vedeckú analýzu je lineárna regresia. Táto technika začína súborom údajov v dvoch premenných. Nezávislá premenná sa zvyčajne nazýva „x“ a závislá premenná sa zvyčajne nazýva „y“. Cieľom tejto techniky je identifikovať priamku y = mx + b, ktorá aproximuje množinu údajov. Táto čiara trendu môže graficky a číselne ukázať vzťahy medzi závislými a nezávislými premennými. Z tejto regresnej analýzy sa vypočíta aj hodnota pre koreláciu.
Identifikujte a oddeľte hodnoty xay vašich údajových bodov. Ak používate tabuľku, zadajte ich do susedných stĺpcov. Mal by existovať rovnaký počet hodnôt xay. Ak nie, výpočet bude nepresný alebo funkcia tabuľky vráti chybu. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Vypočítajte priemernú hodnotu pre hodnoty x a hodnoty y vydelením súčtu všetkých hodnôt celkovým počtom hodnôt v množine. Tieto priemery sa budú označovať ako „x_avg“ a y_avg. “X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Vytvorte dve nové sady údajov odpočítaním hodnoty x_avg od každej hodnoty x a hodnoty y_avg od každej hodnoty 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)
Vynásobte každú hodnotu x1 každou hodnotou y1 v poradí. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Štvorec každej hodnoty x1. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Vypočítajte súčet hodnôt x1y1 a x1 ^ 2. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Vydeľte „sum_x1y1“ hodnotou „sum_x1 ^ 2“, aby ste dostali regresný koeficient. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0,306