Как выполнить линейную регрессию на данных?

Ответ:

Вам нужно увидеть полный ответ, чтобы понять

Объяснение:

Я не совсем понимаю, что вы имеете в виду, сначала вы получите свой набор данных, где вы регрессируете y на x, чтобы найти, как изменение x влияет на y.

х у

1 4

2 6

3 7

4 6

5 2

И вы хотите найти отношения между х и у, так сказать, вы считаете, что модель похожа

# У = х + с #

или в статистике

# У = beta_0 + beta_1x + и #

эти # Beta_0, beta_1 # параметры в популяции и # # U является эффектом ненаблюдаемых переменных, иначе называемых термином ошибки, поэтому вам нужны оценщики # Hatbeta_0, hatbeta_1 #

Так # Haty = hatbeta_0 + hatbeta_1x #

Это говорит о том, что предсказанные коэффициенты дадут вам предсказанное значение y.

Итак, теперь вы хотите найти наилучшие оценки для этих коэффициентов, которые мы делаем, найдя наименьшую разницу между фактическим значением y и прогнозируемым.

#min sum_ (i = 1) ^ nhatu_i ^ 2 ~ hatbeta_0, hatbeta_1 #

Это в основном говорит о том, что вы хотите минимум суммы разностей между точными значениями y и прогнозируемыми значениями y для вашей линии регрессии

Таким образом, формулы для их нахождения

# hatbeta_1 = (sum_ (i = 1) ^ n (x_i- barx) (y_i-bary)) / (sum_ (i = 1) ^ n (x_i-barx) ^ 2) #

# Hatbeta_0 = Bary-hatbeta_1barx #