Retta di Regressione Lineare Semplice Calculator
Questa equazione definisce la retta di migliore adattamento che minimizza la somma dei quadrati dei residui tra valori osservati e previsti per una relazione lineare tra due variabili.
Formula first
Overview
La retta di regressione viene calcolata utilizzando il metodo dei minimi quadrati ordinari (OLS), che cerca di minimizzare la varianza degli errori. La pendenza, b1, rappresenta la variazione attesa di y per unità di variazione di x, mentre l'intercetta, b0, indica il valore previsto di y quando x è zero. Insieme, questi parametri caratterizzano il trend lineare all'interno di un set di dati.
Symbols
Variables
y^ = Predicted Value, = Slope, = Y-Intercept, x = Independent Variable, n = Sample Size
Apply it well
When To Use
When to use: Utilizzare questo quando è necessario modellare la relazione tra due variabili continue e prevedere esiti futuri basati su trend lineari.
Why it matters: È lo strumento fondamentale per l'analisi predittiva, che consente a ricercatori e aziende di prevedere trend e quantificare la forza delle relazioni tra le variabili.
Avoid these traps
Common Mistakes
- Presumere che una forte correlazione implichi causalità.
- Estralolare la retta di regressione ben oltre l'intervallo dei dati x osservati.
One free problem
Practice Problem
Dati i punti dati (1, 2), (2, 3) e (3, 5), calcolare la pendenza b1 della retta di regressione.
Hint: Calcolare separatamente il numeratore n*sum(xy) - sum(x)*sum(y) e il denominatore n*sum() - (sum(x))^2.
The full worked solution stays in the interactive walkthrough.
References
Sources
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis.
- Freedman, D., Pisani, R., & Purves, R. (2007). Statistics.