Droite de régression linéaire simple Calculator
Cette équation définit la droite de meilleur ajustement qui minimise la somme des carrés des résidus entre les valeurs observées et prédites pour une relation linéaire entre deux variables.
Formula first
Overview
La droite de régression est calculée à l'aide de la méthode des moindres carrés ordinaires (MCO), qui cherche à minimiser la variance des erreurs. La pente, b1, représente le changement attendu de y par changement unitaire de x, tandis que l'ordonnée à l'origine, b0, indique la valeur prédite de y lorsque x est nul. Ensemble, ces paramètres caractérisent la tendance linéaire dans un ensemble de données.
Symbols
Variables
y^ = Predicted Value, = Slope, = Y-Intercept, x = Independent Variable, n = Sample Size
Apply it well
When To Use
When to use: Utilisez ceci lorsque vous devez modéliser la relation entre deux variables continues et prédire les résultats futurs en fonction de tendances linéaires.
Why it matters: C'est l'outil fondamental de l'analyse prédictive, permettant aux chercheurs et aux entreprises de prévoir les tendances et de quantifier la force des relations entre les variables.
Avoid these traps
Common Mistakes
- Erreur fréquente : Assuming that a strong correlation implies causation.
- Extrapoler la ligne de régression bien au-delà de la plage des données x observées.
One free problem
Practice Problem
Étant donné les points de données (1, 2), (2, 3) et (3, 5), calculez la pente b1 de la ligne de régression.
Hint: Indice : Calculate the numerator n*sum(xy) - sum(x)*sum(y) and the denominator n*sum() - (sum(x))^2 separately.
The full worked solution stays in the interactive walkthrough.
References
Sources
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis.
- Freedman, D., Pisani, R., & Purves, R. (2007). Statistics.