Jak lze provést lineární regresi dat?

Odpovědět:

Musíte pochopit plnou odpověď

Vysvětlení:

Nejsem si plně vědom toho, co máte na mysli, nejprve si své datové sady, kde jste regress y na x najít, jak změna v x efekty y.

x y

1 4

2 6

3 7

4 6

5 2

A chcete najít vztah mezi x a y, tak řekněte, že si myslíte, že model je jako

# y = mx + c #

nebo ve statistikách

# y = beta_0 + beta_1x + u #

tyto # beta_0, beta_1 # jsou parametry v populaci a. t # u # je efekt nepozorovaných proměnných, jinak nazývaných termín chyby, takže chcete odhady # hatbeta_0, hatbeta_1 #

Tak # haty = hatbeta_0 + hatbeta_1x #

To vám řekne, že predikované koeficienty vám předpoví hodnotu y.

Takže teď chcete najít nejlepší odhady těchto ko-efektů, které děláme tím, že najdeme nejnižší rozdíl mezi skutečnou hodnotou y a předpovězenou.

#min sum_ (i = 1) ^ nhatu_i ^ 2 ~ hatbeta_0, hatbeta_1 #

To v podstatě říká, že chcete minimální součet rozdílů mezi hodnotami acutální y a predikovanými hodnotami y pro vaši regresní přímku

Takže vzorce pro jejich nalezení jsou

# hatbeta_1 = (sum_ (i = 1) ^ n (x_i- barx) (y_i-bary)) / (sum_ (i = 1) ^ n (x_i-barx) ^ 2) #

# hatbeta_0 = bary-hatbeta_1barx #