간단한 선형 회귀 란 무엇입니까?

simple 간단한 선형 회귀는 통계에 적용되며 선형 관계가있는 것으로 보이는 (x, y) 데이터를 설명하는 데 도움이되므로 x가 알려진 경우 y를 약간 예측할 수 있습니다.이 데이터는 종종 산점도에 표시되며 선형 회귀 공식은 선형 상관 관계가있는 경우 모든 점에 가장 잘 맞는 선을 만듭니다.모든 점에 정확히 맞지 않지만 실제 데이터와 예상 데이터 (잔여)의 차이의 제곱 합계가 가장 낮은 숫자를 생성하는 선이어야하며, 이는 종종 최소 제곱 라인 또는 라인이라고합니다.최고로 잘 맞는.샘플 데이터 및 모집단 데이터에 대한 라인의 방정식은 다음과 같습니다.이 라인의 y ' mx + b와의 유사성, 그리고 실제로 두 가지는 방정식의 오른쪽에있는 두 항을 제외하고는 비교적 동일합니다.이러한 재 배열의 이유는 다른 비선형 형태의 관계를 설명 할 수있는 지수와 같은 기능과 함께 추가 용어를 추가하기가 우아하게 쉽게 추가되기 때문입니다.그들이 완료하는 데 오랜 시간이 걸리기 때문에 이것들을 적어 놓는 데 많은 시간을 할애하지 마십시오.대신, Excel Reg와 같은 다양한 프로그램;또는 많은 유형의 과학 계산기의 경우 최소 제곱 라인을 쉽게 계산할 수 있습니다.라인은 (x, y) 데이터 세트 사이에 강한 상관 관계에 대한 명확한 증거가있는 경우 예측에만 적합합니다.계산기는 사용하는 것이 합리적인지 여부에 관계없이 선을 생성합니다.이는 선형 상관 관계가 존재하는지 확인하기 위해 값 표에 대한 상관 계수 R을 평가하는 것을 의미합니다.또한 데이터를 산점도로 플로팅하여 데이터를 평가하는 것은 데이터가 선형 관계가있는 경우 의미를 얻는 좋은 방법입니다.ŷ에 대한 예측 값을 얻기 위해 x로 대체 할 수 있습니다.이 예측에는 한계가 있습니다.존재하는 데이터, 특히 샘플이라면 현재 선형 상관 관계가있을 수 있지만 나중에 추가 샘플 자료가 추가되지 않을 수도 있습니다.따라서 예측은 제한되어 있으며 이용 가능한 데이터 값을 훨씬 뛰어 넘는 것을 외삽하며 권장되지 않습니다.더욱이 사람들이 선형 상관 관계가 존재하지 않으면 X의 최상의 추정치가 모든 Y 데이터의 평균이라는 것을 알고 있다면.

_{기본적으로 간단한 선형 회귀는 재량으로 x 값을 기반으로 값 값을 예측하는 데 사용될 수있는 유용한 통계 도구입니다.회귀선의 유용성을 결정하려면 r의 분석이 필요하기 때문에 거의 항상 선형 상관 관계에 대한 아이디어로 가르칩니다.다행스럽게도 많은 현대 기술 프로그램을 사용하면 사람들은 산란 플로트를 그래프하고 회귀선을 추가하며 몇 개의 항목과 함께 상관 계수 r을 결정할 수 있습니다.}