Analisi di regressione è una tecnica per trovare i coefficienti in una funzione che meglio si adattano a un insieme di punti dati. Regressione lineare è il caso specifico di montaggio un'equazione lineare della forma y = ax + b ai dati forniti. Poiché i dati raccolti più non si adattano perfettamente sulla linea, questi passaggi verranno aiuterà a trovare la linea che riduce al minimo la distanza media di ciascun punto alla linea, rendendo la linea la migliore rappresentazione lineare di questi punti.
Istruzioni
• Creare una matrice con due colonne e altrettante righe come avete punti dati. Riempire la prima colonna con tutti 1 e riempire la seconda colonna con i valori x dei punti dati o il valore della variabile indipendente da dati raccolti sperimentalmente. Chiamare questa matrice "a".
• Creare una seconda matrice con una sola colonna e altrettante righe come avete punti dati. Riempire ogni riga con il valore di y dai dati che utilizzato per riempire la riga corrispondente nel passaggio 1. Nel caso di dati sperimentalmente raccolti, questa è la variabile dipendente. Chiamare questo matrix "b".
• Impostare la matrice B ad A' B, dove A' è la trasposta di A. imposta la tabella A ad A' A. Questo passaggio richiede un sistema di equazioni lineari che è "sovradeterminati" e ti offre un sistema di equazioni in cui la soluzione è il "least-squares" o "" retta ai dati originali.
• Risolvere il sistema Ax = B moltiplicando B per l'inverso A. Il risultato è una matrice di una colonna in cui prima voce è la costante "b" e la cui seconda voce è la costante di "a" nell'equazione y = ax + b. Questa linea è l'equazione lineare che meglio si adatta ai dati, completando la regressione lineare.