単純な線形回帰とは何ですか？

stations統計には単純な線形回帰が適用され、線形関係があると思われる（x、y）データの記述に役立ち、xがわかっている場合はyの何らかの予測が可能になります。このデータは多くの場合、散布図にプロットされ、線形回帰の式は、すべてのポイントに最適なラインを作成します。それは正確にすべてのポイントに適合しませんが、実際のデータと予想データ（残差）の差の正方形の合計が最も低い数値を作成する行である必要があります。最適です。サンプルデータと母集団データの行の方程式は次のとおりです。ŷ'b

0 _+b1この線のy ' mx + bとの類似性は、実際には2つは比較的同一ですが、方程式の右側の2つの項が切り替えられているため、b₁は勾配またはmに等しくなります。この再配置の理由は、関係の異なる非線形形態を表す可能性のある指数などの機能を備えた機能を備えた追加の用語をエレガントに簡単に追加できることです。彼らが完了するのに長い時間がかかるので、これらを書き留めるのにあまり時間を費やさないでください。代わりに、Excel＆Reg;などのさまざまなプログラム;または、多くの種類の科学的計算機の場合、最小二乗線を簡単に計算できます。この行は、（x、y）データのセット間に強い相関関係の明確な証拠がある場合にのみ予測に適しています。計算機は、それを使用するのが理にかなっているかどうかに関係なく、線を生成します。これは、相関係数である値を値の表に対して評価して、線形相関が存在するかどうかを判断することを意味します。さらに、データを散布図としてプロットすることでデータを評価することは、データが線形関係を持っている場合に感覚を得る良い方法です。ŷの予測値を取得するために、xに置き換えることができます。この予測には限界があります。存在するデータは、特にサンプルのみである場合、現在線形相関があるかもしれませんが、後で追加のサンプル材料が追加されていない場合があります。したがって、予測は制限されており、利用可能なデータ値をはるかに超えることは外挿と呼ばれ、奨励されていません。さらに、線形相関が存在しない場合、Xの最良の推定はすべてのYデータの平均であることを人々が知っている場合。assational基本的に、単純な線形回帰は、裁量でX値に基づいてŷ値を予測するために使用できる有用な統計ツールです。回帰ラインの有用性を決定するにはrの分析が必要であるため、ほとんどの場合、線形相関の概念が教えられています。幸いなことに、多くの最新の技術プログラムで、人々は散布図をグラフ化し、回帰線を追加し、いくつかのエントリと相関係数を決定できます。