描述数学关系并根据实验数据进行预测
线性回归是一种统计模型方法,嗯,它是一种kontinuierliche abhängige变量是一种对merheren的函数Prädiktorvariablen zu beschreiben。您可以为我们提供一个系统,一个实验数据,一个分析数据和生物学数据。
对线性回归的回归,对线性模型的回归。Das Modell beschreibt die Beziehung zwischen einer abhängigen Variable \(y\) (auch als Reaktion bezeichnet) als eine Funktion aus einer oder mehreren unabhängigen Variablen \(X_i\) (als Prädiktoren bezeichnet)。Die allgemeine Gleichung für in linear Regressionsmodell sisight folgendermaßen aus:
\[Y = beta_0 + sum \ \beta_i X_i + epsilon_i\]
wobei \(\beta\) die linearen Parameter-Schätzungen darstellt, die berechnet werden müssen, and \(\epsilon\) die Fehlerkomponenten darstellt。
Arten线性Regressionsmodelle
Einfache线性回归: Modelle mit nur einem Prädiktor。格莱忠洛特:
\[Y = beta_0 + beta_i X+ epsilon_i]
Mehrfache线性回归:Modelle mit mehreren Prädiktoren。这个回归只是X_i,而不是(X)。Ein Beispiel dieser Gleichung sieht folgendermaßen aus:
\ [Y = \ beta_0 + \ beta_1 X_1 + \ beta_2 X_2 + \ε\]
多元线性回归:模型für mehrere reaktionsvariable。我们的回归方程是由(Y_i)和(Y)组成的。您住在弗尔默恩ausgedrückt。in Beispiel dieses Systems mit zwei Gleichungen sisight folgendermaßen aus:
\ [Y_1 = \ beta_ {01} + \ beta_ {11} X_1 + \ epsilon_1 \]
\ [Y_2 = \ beta_ {02} + \ beta_ {1 2} X_1 + \ epsilon_2 \]
多元线性回归:建立模型。Prädiktoren für。您的回归是什么? (X_i\) zur Vorhersage mehrerer Reaktionen \(Y_i\)。Verallgemeinert loautet die Gleichung folgendermaßen:
Anwendungen线性回归
线性回归分析我们本征的特征,我们可以通过für我们可以得出有趣的结论:
- 在回归预测模型中预测模型可以用于für最优预测数据。我们的方法是können,您的回归,嗯,我们的回归,für,我们的方法是Prädiktoren, bekannt sind。
- Stärke回归-在回归模型中,嗯,我们可以找到,我们可以使用变量,我们可以使用Prädiktor,我们可以使用它。
线性回归mit MATLAB
Ingenieure erstellen麻省理工学院MATLABüblicherweise einfache lineare回归模型。Für mehrfache and die multivariate lineare Regression können Sie die统计和机器学习工具箱™MATLAB verwenden冯。请您ermöglicht der mehrfachen, schrittweisen,稳健和多变量回归Folgendes:
- Erzeugen冯Prognosen
- Vergleichen von linearen Modellanpassungen
- Veranschaulichen冯Residuen
- Bewerten der Anpassung
- Erkennen冯Ausreiß白尾海雕
我们的模特都是线型的,你可以在这里找到你曲线拟合工具箱™.