Linear regresión definición establece que se puede medir mediante el uso de líneas de regresión. medidas de regresión de la relación de la cantidad media o relación matemática entre dos variables en términos de unidades de datos originales. Considerando que, de correlación mide la naturaleza de la relación entre dos variables. es decir .., positivo o negativo o no correlacionados. La regresión se utiliza para estimar el valor de una variable si se conoce el valor de la otra variable. es decir .., Uno de la variable es la variable independiente y la otra variable es la variable dependiente. Sea (Xi, Yi); i = 1, 2, 3, ................... n los n pares de observaciones se dan ahora trazo todos estos puntos en plano XY que se reserva un diagrama de dispersión. En el diagrama de dispersión si el número máximo de puntos que están pasando por una línea recta y luego lo llamamos como la regresión lineal si no eso significa que ellos están pasando por una curva y luego lo llamamos como la regresión lineal de la curva. Regresión lineal se puede medir mediante el uso de líneas de regreesion es decir .., Y-en-X y X-en-Y y también la regresión curva lineal se puede medir mediante el uso de correlación ratio.Linear regresión EquationThe fórmula de regresión lineal se deriva como sigue. Sea (Xi, Yi); i = 1,2,3, ................ n ser N-pares de observaciones se dan y que hay que representa un regression.We lineal sé que, coeficiente de correlationr = cov (X, Y) /(Sigmax sigmaY) donde cov (X, Y) = suma (1 /n) Xiyi - Barx barYand X2 = (1 /n) suma (Xi - Barx) 2Y, queremos obtener la ecuación de regresión de y-on-X mediante la adopción de la línea y la correspondiente ecuación normal de AREY = a + bx ----------------- (1) suma Yi = na + Bsum Xi .... ................. (2) suma Xi Yi el Asum Xi + b suma X2i .................... ................ (3) la ecuación Divide (2) y (3) con ndesde (2) rarr (1 /n) suma Yi = a + b (1 /n) suma XirArr Bary = a + bbarX ...................................... (4) a partir de ( 3) rarr (1 /n) suma Xi Yi = a) suma (1 /n + b (1 /n) suma X2irArr (1 /n) suma Xi Xi Yi = a + b (1 /n) suma X2i cov Barx (X, Y) + XY = a + b Barx (sigma X2 + Barx 2) ............................. (5 ) cov (X, y) = (1 /n) suma Xi Yi - Barx Bary sigma X2 = (1 /n) suma X2i - Barx 2Multiplying la ecuación (4) con X y sub partir de (5) cov (X, y) = b sigma X2b = cov (X, Y) /sigma X2Substitute el valor de b en (4) rARR Bary = a + cov (X, Y) Barx /sigma X2a = Bary - cov (X, Y) Barx /sigma X2Substitute el valor de a en (1) Y = Bary - cov (X, Y) Barx /sigma X2 + cov (X, Y) X2Y X /sigma - Bary = cov (X, Y) (X - Barx) /sigma X2Y - Bary = X rsigma sigma Y (X -barX) /sigma X2Y - Bary r = sigma Y (X - Barx) /sigma XY - Bary = BYX (X - Barx) del mismo modo, se puede demostrar que la ecuación de regresión de X-en -Y ISX - Barx = bxy (Y - Bary) tipos de RegressionThere lineal son dos tipos diferentes de regresión lineal. Ellos son, simple RegressionMultiple Lineal Lineal RegressionExamplesGiven a continuación son algunos ejemplos de cómo calcular regression.Example lineal: 10 observaciones sobre el precio de X y el suministro de "Y" se obtuvieron los siguientes datos suma X = 130, Y = 220 suma, suma X2 = 2,288 , SUM2 = 5506, suma XY = 3467 Encontrar la línea de regresión de Y sobre X. YSolution: la línea de regresión de y sobre xy = a + ecuaciones norma bXThe aresum Y = a + Bsum Xsum XY = X + Asum Bsum X210A + 130b = 220130a + = 2288b 3467solving las ecuaciones, obtenemos a = 8,8 y b = 1.01Y = 8,8 + (1.01) X