Regressione equazioni: Regressione equazioni sono noti anche come la stima equazioni o espressioni algebriche delle linee di regressione. Ci sono due linee di regressione, così ci sono due equazioni di regressione equations.The regressione di X e Y è usato per descrivere le variazioni nei valori di X su Y è usato per descrivere le variazioni nei valori di X per determinati cambiamenti di Y e l'equazione di regressione di Y su x è usato per descrivere la variazione dei valori di Y per determinate variazioni X.Regression equazione Y sulla regressione xthe di Y su x è espresso come segue: Y = a + bXIt può osservare che ne in questa equazione 'Y' è una variabile dipendente, cioè, possiamo prendere un dato valore di X e calcolare il valore della Y.'a 'è "Y intercetta" perché il suo valore è il punto in cui la linea di regressione attraversa la asse Y, cioè, l'asse verticale. 'B' è la "pista" di line.It rappresentano cambiamento nella variabile Y per una variazione unitaria in X variable.'a 'e' b 'sono numerica constants.To ottenere i valori di A e B si possono usare due seguenti normale equazioni sono da risolvere contemporaneamente: SY = Na + BSX SXY = ASX + b SX2 equazione di regressione di X su regressione ythe di X su Y è espresso come segue: Xc = a + bYTo ottenere 'a' e 'b "possiamo risolvere questi due equazioni normali SX = Na + b SY SXY = a SY + b SY2Linear regressione FormulaRegression Formula1) Equazione di regressione (y) = una pendenza + bX (b) = [NSXY - (SX) (SY)]. /[NSX2 - (SX) 2] Intercept (a) = [SY -. b (SX)] /Nwhere x ed y sono le variabili 'b' rappresenta inclinazione della retta di regressione 'un' rappresenta punto intercetta della retta di regressione e y asse. 'N' rappresenta il numero di valori o elementi di X rappresenta prima partitura Y rappresenta secondo punteggio SXY rappresenta somma del prodotto di primi e secondi punteggi SX rappresenta somma di primo punteggi SY rappresenta somma di seconda punteggi SX2 rappresenta somma di piazza primo Scores2) Equazione di regressione (X) = a + bY Slope (b) = (NSXY - (SX) (SY)) /(NSY2 - (SY) 2) Intercept (a) = (SX - b (SY)) /N a uso di queste equazioni si può calcolare 'a' e 'b'.Table con valore X e Y valore: Esempio di regressione lineare Equazione Esempio: trovare il Simple /regressione lineare della data table.X valori Y Values60 3.161 3.662 3.863 465 4.1 per trovare equazione di regressione, prima troveremo pendenza, intercetta e utilizzarlo per formare equazione di regressione .. Fase 1: Contare il numero di valori. N = 5 2 ° Fase: Trova XY, X2 Vedere il seguito Tablex Valore Y Valore X * YX * X60 3.1 60 * 3.1 = 186 60 * 60 = 360.061 3,6 61 * 3.6 = 219.6 61 * 61 = 372.162 3,8 62 * 3.8 = 235.6 * 62 = 62 384.463 4 63 * 4 = 252 63 * 63 = 396.965 4.1 65 * 4.1 = 266.5 65 * 65 = 4225 3 ° Fase: Trova SX, SY, SXY, SX2. SX = 311 SY = 18,6 SXY = 1159,7 SX2 = 19359 4 ° Fase: sostituto pendio formula sopra data. Slope (b) = (NSXY - (SX) (SY)) /(NSX2 - (SX) 2) = ((5) * (1.159,7) - (311) * (18.6)) /((5) * (19359 ) - (311) 2) = (5798,5-5.784,6) /(96.795-96.721) = 13,9 /74 = 0,19 5 ° Passo: Ora, ancora una volta sostituire nella formula di cui sopra intercetta dato. Intercept (a) = (SY - b (SX)) /N = (18.6 - 0,19 (311)) /5 = (18,6 - 59,09) /5 = -40,49 /5 = -8,098 6a Fase: Poi sostituire questi valori regressione equazione formula equazione di regressione (y) = a + bx = -8,098 + 0.19x. se vogliamo conoscere il valore approssimativo di Y per la variabile x = 100. Poi possiamo sostituire il valore nell'equazione di cui sopra. Equazione di regressione (y) = a + bx = -8,098 + 0.19 (100). = -8,098 + 19 = 10.902This esempio guida per trovare la relazione tra due variabili calcolando la regressione dei passaggi precedenti.