रेषीय रिग्रेशन
x, y जोड्यांवरून सर्वोत्तम जुळणारी रेषा, सहसंबंध आणि अंदाज.
रेषीय रिग्रेशन बद्दल
x, y जोड्यांवरून सर्वोत्तम जुळणारी रेषा, सहसंबंध आणि अंदाज.
SmartCalcy च्या “सांख्यिकी” विभागाचा भाग. हे खात्याशिवाय तुमच्या ब्राउझरमध्ये चालते, तुमचे स्वतःचे चलन आणि युनिट वापरते (पेजच्या वरच्या भागात बदला), आणि फक्त माहितीसाठी अंदाज देते, म्हणून निकालावर अवलंबून राहण्यापूर्वी अधिकृत मार्गदर्शन तपासा.
रेषीय रिग्रेशन कसे वापरावे
हे काय काढते आणि कधी वापरावे
जोडीदार डेटाला सरळ रेषा बसवतो, आणि उतार, अंतःखंड, सहसंबंध आणि कोणत्याही x साठी अंदाज देतो.
कसे वापरावे, टप्प्याटप्प्याने
- तुमच्या x आणि y च्या जोड्या भरा.
- समीकरण, R² आणि सहसंबंध वाचा.
- y चा अंदाज घेण्यासाठी x भरा.
प्रत्येक इनपुटचा अर्थ
- जोड्या: प्रत्येक ओळीत x आणि y – Starts at 1 2.1 2 3.9 3 6.2 4 7.8 5 10.1 6 12.2.
- x साठी y चा अंदाज (ऐच्छिक) – सुरुवात at 8.
निकाल कसे वाचावेत
- सर्वोत्तम जुळणारी रेषा – The headline answer. In the default example it reads y = 2.02x − 0.02 (r = 0.9991 · r² = 0.99821).
- उतार – Default उदाहरण: 2.02.
- अंतःखंड – Default उदाहरण: -0.02.
- सहसंबंध (r) – Default उदाहरण: 0.999105.
- R वर्ग – Default उदाहरण: 0.998211.
- बिंदू – Default उदाहरण: 6.
- x = 8 वर अंदाजे y – Default उदाहरण: 16.14.
सूत्र
Slope = Σ(x − x̄)(y − ȳ) ÷ Σ(x − x̄)². Intercept = ȳ − slope × x̄. R² is the share of variation the line explains.
सोडवलेले उदाहरण
With the starting entries (Pairs: x and y on each line: 1 2.1 2 3.9 3 6.2 4 7.8 5 10.1 6 12.2, Predict y for x (optional): 8), the calculator shows line of best fit of y = 2.02x − 0.02, r = 0.9991 · r² = 0.99821. It also reports slope 2.02; intercept -0.02; correlation (r) 0.999105; r squared 0.998211.
गृहीतके आणि मर्यादा
- The relationship म्हणजे roughly linear.
- Predicting अंतर outside the डेटा म्हणजे unreliable.
नेहमीच्या चुका
- Assuming correlation means causation.
- Extrapolating too अंतर.
वारंवार विचारले जाणारे प्रश्न
R² म्हणजे काय?
y मधील बदलाचा जो भाग x मुळे स्पष्ट होतो ते प्रमाण. 1 म्हणजे पूर्णपणे जुळणारे.
संबंधित साधने
तपशील
- उतार
- 2.02
- अंतःखंड
- -0.02
- सहसंबंध (r)
- 0.999105
- R वर्ग
- 0.998211
- बिंदू
- 6
- x = 8 वर अंदाजे y
- 16.14