Contenuto
Uno degli strumenti di base per l'analisi ingegneristica o scientifica è la regressione lineare. Questa tecnica inizia con un set di dati in due variabili. La variabile indipendente si chiama in genere "x" e la variabile dipendente si chiama in genere "y". L'obiettivo della tecnica è identificare la linea, y = mx + b, che approssima il set di dati. Questa linea di tendenza può mostrare, graficamente e numericamente, le relazioni tra le variabili dipendenti e indipendenti. Da questa analisi di regressione, viene anche calcolato un valore per la correlazione.
Identifica e separa i valori xey dei tuoi punti dati. Se stai utilizzando un foglio di calcolo, inseriscilo nelle colonne adiacenti. Dovrebbe esserci lo stesso numero di valori xey. In caso contrario, il calcolo non sarà accurato o la funzione del foglio di calcolo restituirà un errore. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Calcola il valore medio per i valori xe y dividendo la somma di tutti i valori per il numero totale di valori nell'insieme. Queste medie saranno denominate "x_avg" e y_avg. "X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Creare due nuovi set di dati sottraendo il valore x_avg da ciascun valore x e il valore y_avg da ciascun valore 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)
Moltiplicare ciascun valore x1 per ciascun valore y1, in ordine. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Quadrare ogni valore x1. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Calcola le somme dei valori x1y1 e x1 ^ 2. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Dividi "sum_x1y1" per "sum_x1 ^ 2" per ottenere il coefficiente di regressione. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0.306