Contenu
L'un des outils les plus fondamentaux pour l'ingénierie ou l'analyse scientifique est la régression linéaire. Cette technique commence par un ensemble de données à deux variables. L'indépendantvariable est généralement appelée "x" et la variable dépendante est généralement appelée "y". Le but de cette technique est d’identifier la droite y = mx + b qui se rapproche de l’ensemble de données.Cette ligne de tendance peut montrer graphiquement et numériquement les relations entre les variables dépendantes et indépendantes. A partir de cette analyse de régression, une valeur de corrélationest également calculé.
Identifiez et séparez les valeurs x et y de vos points de données. Si vous utilisez une feuille de calcul, entrez-la dans les colonnes adjacentes. Il devrait y avoir lemême nombre de valeurs x et y. Sinon, le calcul sera inexact ou la fonction feuille de calcul renverra une erreur. x = (6, 5, 11, 7, 5, 4, 4) y =(2, 3, 9, 1, 8, 7, 5)
Calculez la valeur moyenne pour les valeurs x et les valeurs y en divisant la somme de toutes les valeurs par le nombre total de valeurs de l'ensemble.Ces moyennes seront appelées "x_avg" et y_avg ". X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Créez deux nouveaux ensembles de données en soustrayant la valeur x_avg de chaque valeur x et la valeur y_avg de chaque valeur 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)
Multipliez chaque valeur x1 par chaque valeur y1, dans l'ordre. x1y1 = (0 * -3,-1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Place chaque valeur x1. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Calculez les sommes des valeurs x1y1 et x1 ^ 2. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1 + 25 + 1 + 1 + 4 + 4 = 36
Divisez "sum_x1y1" par "sum_x1 ^ 2" pour obtenir le coefficient de régression. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0.306