Ajuste curvas não lineares aos seus dados para capturar tendências complexas.
Data Submission
Matrix Math
(XᵀX)β = Xᵀy
Using the normal equations to solve for the coefficients of the polynomial that minimizes the sum of squared residuals.
Análise de regressão
Qualidade de ajuste (R²)0.997499.7% of variance explained
Equação do modelo
y = 4.400 - 3.386x + 1.214x^2
Perfil do modeloQuadratic
Volume de amostra5Pairs
Least Squares Optimization Active
Overview
A regressão polinomial ajusta uma relação não linear entre o valor de x e a média condicional correspondente de y. É útil quando os dados mostram tendências curvas que a regressão linear simples não consegue capturar.
💡
Pro Tips
Comece com um pedido baixo (1 ou 2). Aumente-o apenas se a tendência for claramente mais complexa.
Cuidado com o 'fenômeno de Runge' - polinômios de alta ordem podem oscilar descontroladamente nas bordas dos seus dados.
Verifique o valor R²: ele informa qual porcentagem da variância dos dados é explicada pelo modelo.
!
Fun Facts
"Um polinômio de ordem 1 é exatamente igual a uma regressão linear simples."
"À medida que a ordem aumenta, o modelo pode ajustar-se a formas mais complexas, mas o risco de “overfitting” aumenta."
"A otimização de mínimos quadrados é usada para encontrar os coeficientes que minimizam a distância de cada ponto à curva."
