Як виконувати лінійну регресію даних?

Відповідь:

Ви повинні побачити повну відповідь, щоб зрозуміти

Пояснення:

Я не в повній мірі знаю, що ви маєте на увазі, перш ніж ви отримаєте свій набір даних, де ви регресуєте y на x, щоб знайти, як зміна ефектів x.

x y

1 4

2 6

3 7

4 6

5 2

І ви хочете знайти зв'язок між x і y, так що ви вважаєте, що модель схожа

# y = mx + c #

або в статистиці

# y = beta_0 + beta_1x + u #

ці # beta_0, beta_1 # є параметри в популяції і # u # є наслідком неспостережуваних змінних, які інакше називаються терміном помилки, так що вам потрібні оцінки # hatbeta_0, hatbeta_1 #

Тому # haty = hatbeta_0 + hatbeta_1x #

Це повідомляє, що передбачені коефіцієнти дадуть вам передбачене значення y.

Так що тепер ви хочете знайти найкращі оцінки для цих коефіцієнтів ми робимо це, знаходячи найменшу різницю між фактичним значенням y і передбаченим.

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

Це в основному говорить про те, що потрібно мінімум суми відмінностей між гострими значеннями y та прогнозованими значеннями y для вашої лінії регресії

Отже, формули для їх знаходження є

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

# hatbeta_0 = барі-hatbeta_1barx #