équations de régression: équations de régression sont également connus comme les équations d'estimation ou des expressions algébriques des droites de régression. Il y a deux lignes de régression, donc il y a deux équations de régression equations.The de régression de X et Y est utilisé pour décrire les variations des valeurs de X sur Y est utilisé pour décrire les variations des valeurs de X pour des changements donnés dans Y et l'équation de régression de Y sur x est utilisé pour décrire la variation des valeurs de Y pour des changements donnés dans X.Regression équation de Y sur l'équation de régression xLe de Y sur x est exprimé comme suit: Y = a + bXIt peut ne noter que dans cette équation 'Y' est une variable dépendante, à savoir, nous pouvons prendre une valeur donnée de X et de calculer la valeur de Y.'a "Y-intercept" 'est parce que sa valeur est le point où la ligne de régression traverse la l'axe Y, qui est l'axe vertical. 'B' est la "pente" de line.It représentent le changement dans la variable Y pour un changement d'unité de X variable.'a 'et' b 'sont numériques constants.To obtenir les valeurs de a et b, nous pouvons utiliser deux suivantes normale équations doivent être résolues simultanément: SY = Na + BSX SXY = ASx + b SX2 régression équation de X sur l'équation de régression ŸLe de X sur Y est exprimé comme suit: Xc = a + parpour get 'a' et 'b "nous pouvons résoudre ces deux équations normales SX = Na + b SY SXY = a SY + b SY2Linear régression FormulaRegression Formule1) régression équation (Y) = a Slope + bX (b) = [NSXY - (SX) (SY)]. /[nSX2 - (SX) 2] Intercept (a) = [SY -. b (SX)] /Nwhere x et y sont les variables «b» représente la pente de la droite de régression 'a' représente le point de la ligne de régression et l'ordonnée à l'origine axe. 'N' représente le nombre de valeurs ou d'éléments X représente First Score Y représente Second Score SXY représente la somme du produit de la première et deuxième scores SX représente la somme de première scores SY représente la somme de Second scores SX2 représente la somme des carrés First Scores2) équation de régression (X) = a + bY pente (b) = (NSXY - (SX) (SY)) /(NSY2 - (SY) 2) Intercept (a) = (SX - b (SY)) /N Par la utilisation de ces équations, nous pouvons calculer 'a' et 'b'.Table avec la valeur de X et de la valeur Y: Exemple de régression linéaire Equation Exemple: trouver le simple /régression linéaire de la table.X donnée valeurs Y Values60 3.161 3.662 3.863 465 4.1 pour trouver l'équation de régression, nous allons d'abord trouver la pente, l'interception et l'utiliser pour former l'équation de régression .. 1ère étape: Comptez le nombre de valeurs. N = 5 2ème étape: Trouver XY, X2 Voir la ci-dessous Tablex Valeur Y Valeur X * YX * X60 3.1 60 * 3.1 = 186 60 * 60 = 360061 3,6 61 * 3,6 = 219,6 61 * 61 = 372162 3,8 62 * 3,8 = 235,6 * 62 = 62 384463 4 63 * 4 = 252 63 * 63 = 396,965 4.1 65 * 4.1 = 266,5 65 * 65 = 4225 3ème étape: Trouver SX, SY, SXY, SX2. SX = 311 SY = 18,6 SXY = 1159.7 SX2 = 19359 4ème étape: Substitute dans la formule de pente au-dessus donné. Pente (b) = (NSXY - (SX) (SY)) /(nSX2 - (SX) 2) = ((5) * (1159,7) - (311) * (18,6)) /((5) * (19,359 ) - (311) 2) = (de 5798,5 à 5784,6) /(96795-96721) = 13,9 /74 = 0,19 5ème étape: maintenant, se substituer à nouveau dans la formule d'interception donnée ci-dessus. Intercept (a) = (SY - b (SX)) /N = (18,6 à 0,19 (311)) /5 = (18,6 à 59,09) /5 = -40,49 /5 = -8,098 6e étape: Ensuite, substituer ces valeurs dans formule de l'équation de régression régression équation (y) = a + bx = -8,098 + 0.19x. si l'on veut connaître la valeur approximative de Y pour la variable x = 100. Ensuite, nous pouvons remplacer la valeur dans l'équation ci-dessus. Régression équation (y) = a + bx = -8,098 + 0,19 (100). = -8,098 + 19 = exemple 10.902This guide pour trouver la relation entre deux variables en calculant la régression des étapes ci-dessus.