Preveja tendências e analise relações entre variáveis.
Entrada de dados
Análise de regressão
Equação de regressãoY = 2.200 + 0.600X
Coeficiente de Determinação (R²)0.6000Precisão do modelo
Valor Y previsto5.8000Em X = 6
Inclinação (b)0.6000
Interceptar (a)2.2000
Overview
A regressão linear simples é um método estatístico que nos permite resumir e estudar as relações entre duas variáveis contínuas (quantitativas). Ele modela a relação entre uma variável dependente e uma variável independente como uma linha reta.
💡
Pro Tips
Garanta que seus dados mantenham um relacionamento linear; se a relação for curva, a regressão linear simples pode não ser precisa.
Cuidado com os valores discrepantes, pois eles podem afastar significativamente a linha de regressão da maioria dos pontos de dados.
Um valor de R² próximo de 1 indica um ajuste muito forte, enquanto um valor próximo de 0 sugere que X não prevê bem Y.
!
Fun Facts
"O termo “regressão” foi cunhado por Francis Galton no século XIX enquanto estudava as alturas de pais e filhos, observando que alturas extremas tendem a “regredir” em direção à média."
"A regressão linear é a base para muitos algoritmos de aprendizado de máquina usados hoje em IA e ciência de dados."
"O objetivo da regressão linear simples é encontrar a 'Linha de Melhor Ajuste' que minimize a soma dos erros quadráticos entre os valores previstos e reais."
