(资料图片)
1、先求 x、y 的平均数 x_=(3+4+5+6)/4=9/2,y_=(2.5+3+4+4.5)/4=7/2,然后求对应的 x、y 的乘积之和 :3*2.5+4*3+5*4+6*4.5=66.5 ,x_*y_=63/4 ,接着计算 x 的平方之和:9+16+25+36=86,x_^2=81/4 ,现在可以计算 b 了:b=(66.5-4*63/4) / (86-4*81/4)=0.7 ,而 a=y_-bx_=7/2-0.7*9/2=0.35 ,所以回归直线方程为 y=bx+a=0.7x+0.35 。
2、扩展资料:回归方程运算案例:若在一组具有相关关系的变量的数据(x与Y)间,通过散点图我们可观察出所有数据点都分布在一条直线附近,这样的直线可以画出许多条,而我们希望其中的一条最好地反映x与Y之间的关系,即我们要找出一条直线,使这条直线“最贴近”已知的数据点。
3、因为模型中有残差,并且残差无法消除,所以就不能用二点确定一条直线的方法来得到方程,要保证几乎所有的实测值聚集在一条回归直线上,就需要它们的纵向距离的平方和到那个最好的拟合直线距离最小。
4、 记此直线方程为(如右所示,记为①式)这里在y的上方加记号“^”,是为了区分Y的实际值y,表示当x取值xi=1,2,……,6)时,Y相应的观察值为yi,而直线上对应于xi的纵坐标是①式叫做Y对x的回归直线方程,相应的直线叫做回归直线,b叫做回归系数。
5、要确定回归直线方程①,只要确定a与回归系数b。
6、回归方程的有关量:e.随机变量 ^b.斜率 ^a.截距 —x.x的数学期望 —y.y的数学期望 R.回归方程的精确度。
7、回归直线的求法最小二乘法:总离差不能用n个离差之和来表示,通常是用离差的平方和,即作为总离差,并使之达到最小,这样回归直线就是所有直线中Q取最小值的那一条,这种使“离差平方和最小”的方法,叫做最小二乘法:参考资料:百度百科——回归方程。
本文分享完毕,希望对大家有所帮助。
关键词: