Uno degli strumenti più elementari per l’ingegneria e l’analisi scientifica è di regressione lineare . Questa tecnica inizia con un insieme di dati in due variabili . La variabile indipendente è di solito chiamato ” x ” e la variabile dipendente è di solito chiamato “y “. L’ obiettivo della tecnica è quello di individuare la linea , y = mx + b , che approssima il set di dati . Questa linea di tendenza può mostrare graficamente e numericamente , le relazioni tra le variabili dipendenti e indipendenti . Da questa analisi di regressione , un valore per la correlazione è calculated.Things anche che vi serve

software Spreadsheet (opzionale )

Calculator

Mostra Altre istruzioni

1

Identificare e separare il valori xey dei punti di dati . Se si utilizza un foglio di calcolo , li entra in colonne adiacenti . Ci dovrebbe essere lo stesso numero di xey valori . In caso contrario, il calcolo sarà inesatto , o la funzione di foglio di calcolo restituirà un errore .

X = ( 6 , 5 , 11 , 7 , 5 , 4 , 4)

y = ( 2 , 3 , 9 , 1 , 8 , 7 , 5 )

2

Calcolare il valore medio per i valori x ed i valori y dividendo la somma di tutti i valori per il numero totale di valori nel set . Queste medie saranno indicati come ” x_avg ” e y_avg “.

x_avg = ( 6 + 5 + 11 + 7 + 5 + 4 + 4 ) /7 = 6

y_avg = ( 2 + 3 + 9 + 1 + 8 + 7 + 5 ) /7 = 5

3

Creare due nuove serie di dati sottraendo il valore x_avg da ogni valore x e il valore y_avg da ogni valore di y

x1 = ( 6 . – 6 , 5 – 6 , 11 – 6 7-6 … )

x1 = ( 0 , -1 , 5 , 1 , -1 , -2 , -2 )

y1 = ( 2 – 5 , 3-5 , 9-5 , 1-5 , … )

y1 = ( -3 , -2 , 4 , -4 , 3 , 2 , 0 )

4

Moltiplica ogni valore x1 per ogni valore y1 , in ordine.

x1y1 = ( 0 * -3 , -1 * -2 , 5 * 4 , … )

x1y1 = ( 0 , 2 , 20 , -4 , -3 , -4 , 0 )

5

Piazza ciascun valore x1 .

x1 ^ 2 = ( 0 ^ 2 , 1 ^ 2 , -5 ^ 2 , … )

x1 ^ 2 = ( 0 , 1 , 25 , 1 , 1 , 4 , 4)

6

calcolare le somme dei valori X1Y1 e x1 ^ 2 I valori

sum_x1y1 = 0 + 2 + 20 – . 4 – 3 – 4 + 0 = 11

sum_x1 ^ 2 = 0 + 1 + 25 + 1 + 1 + 4 + 4 = 36

7

Divide ” sum_x1y1 ” da ” sum_x1 ^ 2 ” per ottenere il coefficiente di regressione .

sum_x1y1 /sum_x1 ^ 2 = 11/36 = 0,306