Come calcolare LSRL

La linea di minimi quadrati di regressione ( LSRL ) è una linea che funge da funzione pronostico per un fenomeno che non è ben noto . La statistica definizione matematica di una linea di regressione dei minimi quadrati è la linea che passa per il punto ( 0,0) e ha una pendenza pari al coefficiente di correlazione dei dati , dopo che i dati è stato standardizzato . Pertanto , il calcolo della retta di regressione quadrati coinvolge standardizzazione dei dati e trovare il coefficiente di correlazione . Istruzioni
Trovare il coefficiente di correlazione
1

Organizzare i dati in modo che sia facile da lavorare . Utilizzare un foglio di calcolo o una matrice per separare i dati nei propri valori x e y- valori , tenendoli legati ( per esempio assicurarsi x - il valore di ogni punto dati e il valore y sono nella stessa riga o colonna ) .

2

trovare i prodotti trasversali dei valori x e y valori . Moltiplicare il valore x e y valore per ogni punto insieme . Sommare questi valori risultanti. Chiamare il " sxy ". Risultato
3

Sommare i valori x e y valori separatamente . Chiamare questi due valori risultanti " SX" e " sy ", rispettivamente .
4

Contare il numero di punti dati . Chiamare questo valore "n ".
5

Prendete la somma dei quadrati per i vostri dati . Piazza tutti i tuoi valori . Moltiplicare ogni x - value e ogni valore y di per sé . Chiamare i nuovi set di dati " x2 " e " y2 " per i valori x e y valori . Sommare tutti i valori x2 e chiamare il risultato " SX2 . " Sommare tutti i valori Y2 e chiamare il risultato " SY2 ".
6

Sottrai sx * sy /n da sxy . Chiamare il " num . " Result
7

Calcolare il valore SX2 - ( sx ^ 2) /n . Chiamare il risultato "A. "
8

Una calcolare il valore SY2 - ( sy ^ 2) /n . Chiamare il risultato "B. "
9

Prendere la radice quadrata di un tempo B , che può essere visualizzato come ^ ( A * B ) ( 1/2) . Etichettare il " denominatore ". Risultato
10

Calcolare il coefficiente di correlazione " r ". Il valore di " r" è uguale a " num" diviso " denominatore ", che può essere scritto come num /denom .
Standardizzare i dati e scrivere i LSRL
11 < ​​p > Trova le medie dei valori x e y valori . Aggiungere tutti i valori x insieme e dividere il risultato per "n ". Chiamare questo " mx ". Fare lo stesso per i valori y , chiamando il risultato " mio ".
12

Trova le deviazioni standard per i valori x e y valori . Creare nuovi set di dati per la x e di y sottraendo la media per ogni set di dati associati dati . Ad esempio , ogni punto di dati per x , " XDAT " diventerà " XDAT - mx . " Quadrare i punti dati risultanti. Aggiungere i risultati per ogni gruppo ( x ed y ) separatamente , dividendo per "n" per ogni gruppo . La radice quadrata di questi due risultati finali di cedere la deviazione standard per ciascun gruppo . Chiamare la deviazione standard per il " sdx " valori x e che per il valori y " sdy . "