Przewiduj trendy i analizuj relacje między zmiennymi.
Wprowadzanie danych
Analiza regresji
Równanie regresjiY = 2.200 + 0.600X
Współczynnik determinacji (R²)0.6000Dokładność modelu
Przewidywana wartość Y5.8000W X = 6
Nachylenie (b)0.6000
Przechwycenie (a)2.2000
Overview
Prosta regresja liniowa to metoda statystyczna, która pozwala podsumowywać i badać zależności między dwiema zmiennymi ciągłymi (ilościowymi). Modeluje relację między zmienną zależną a zmienną niezależną w postaci linii prostej.
💡
Pro Tips
Upewnij się, że Twoje dane zachowują liniową relację; jeśli zależność jest zakrzywiona, prosta regresja liniowa może nie być dokładna.
Uważaj na wartości odstające, ponieważ mogą one znacząco odsunąć linię regresji od większości punktów danych.
Wartość R² bliska 1 wskazuje na bardzo silne dopasowanie, natomiast wartość bliska 0 sugeruje, że X nie przewiduje dobrze Y.
!
Fun Facts
"Termin „regresja” został ukuty przez Francisa Galtona w XIX wieku podczas badania wzrostu ojców i synów i zauważył, że skrajny wzrost ma tendencję do „cofania się” w stronę średniej."
"Regresja liniowa jest podstawą wielu algorytmów uczenia maszynowego stosowanych obecnie w sztucznej inteligencji i nauce o danych."
"Celem prostej regresji liniowej jest znalezienie „linii najlepszego dopasowania”, która minimalizuje sumę kwadratów błędów między wartościami przewidywanymi i rzeczywistymi."
