Sisu
Üks kõige põhilisemaid inseneri- või teadusliku analüüsi vahendeid on lineaarne regressioon. See tehnika algab kahe muutujaga andmekogumist. Sõltumatut muutujat nimetatakse tavaliselt "x" ja sõltuvat muutujat nimetatakse tavaliselt "y". Selle tehnika eesmärk on tuvastada rida, y = mx + b, mis lähendab andmekogumit. See trendijoon võib graafiliselt ja arvuliselt näidata sõltuvate ja sõltumatute muutujate suhteid. Sellest regressioonanalüüsist arvutatakse ka korrelatsiooni väärtus.
Tuvastage ja eraldage oma andmepunktide x ja y väärtused. Kui kasutate arvutustabelit, sisestage need külgnevatesse veergudesse. X ja y väärtusi peaks olema sama arv. Kui ei, siis on arvutus ebatäpne või arvutabeli funktsioon tagastab vea. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Arvutage x ja y väärtuste keskmine väärtus, jagades kõigi väärtuste summa komplekti väärtuste koguarvuga. Neid keskmisi nimetatakse "x_avg" ja y_avg. "X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Looge kaks uut andmekogumit, lahutades x-väärtuse igast x-väärtusest ja y_avg-väärtuse igast y-väärtusest. 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)
Korrutage iga x1 väärtus järjestusega iga y1 väärtusega. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Ruut iga x1 väärtus. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Arvutage väärtuste x1y1 ja x1 ^ 2 summad. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Regressioonikordaja saamiseks jagage "sum_x1y1" arvuga "sum_x1 ^ 2". summa_x1y1 / summa_x1 ^ 2 = 11/36 = 0,306