l’analisi di Regressione è molto diffuso strumento statistico per stabilire un modello di relazione tra due variabili. Una di queste variabili è chiamata variabile predittiva il cui valore viene raccolto attraverso esperimenti. L’altra variabile è chiamata variabile di risposta il cui valore è derivato dalla variabile predittore.,
Nella regressione lineare queste due variabili sono correlate attraverso un’equazione, dove l’esponente (potenza) di entrambe queste variabili è 1. Matematicamente una relazione lineare rappresenta una linea retta quando tracciata come un grafico. Una relazione non lineare in cui l’esponente di qualsiasi variabile non è uguale a 1 crea una curva.
L’equazione matematica generale per una regressione lineare è −
y = ax + b
Di seguito è riportata la descrizione dei parametri utilizzati −
-
y è la variabile di risposta.
-
x è la variabile predittiva.,
-
a e b sono costanti chiamate coefficienti.
Passi per stabilire una regressione
Un semplice esempio di regressione è predire il peso di una persona quando la sua altezza è nota. Per fare questo abbiamo bisogno di avere la relazione tra altezza e peso di una persona.
I passaggi per creare la relazione è −
-
Effettuare l’esperimento di raccolta di un campione di valori osservati di altezza e peso corrispondente.
-
Creare un modello di relazione utilizzando le funzioni lm () in R.,
-
Trova i coefficienti dal modello creato e crea l’equazione matematica usando questi
-
Ottieni un riepilogo del modello di relazione per conoscere l’errore medio nella previsione. Chiamato anche residui.
-
Per predire il peso di nuove persone, l’uso di stima() funzione di R.
Dati di Input
di Seguito è il campione di dati che rappresenta le osservazioni −
# Values of height151, 174, 138, 186, 128, 136, 179, 163, 152, 131# Values of weight.63, 81, 56, 91, 47, 57, 76, 72, 62, 48
lm() Funzione
Questa funzione crea il modello di relazione tra il fattore predittivo e la variabile di risposta.,
la Sintassi
La sintassi di base per lm() nella funzione di regressione lineare è −
lm(formula,data)
di Seguito è la descrizione dei parametri utilizzati −
-
la formula è un simbolo di presentare il rapporto tra x e y.
-
dati è il vettore in cui la formula sarà applicata.,elationship Modello & ottenere i Coefficienti
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)# Apply the lm() function.relation <- lm(y~x)print(relation)
Quando si esegue il codice di cui sopra, produce il seguente risultato −
Call:lm(formula = y ~ x)Coefficients:(Intercept) x -38.4551 0.6746
Scarica la Sintesi del Rapporto
Quando si esegue il codice di cui sopra, produce il seguente risultato −
prevedere() Funzione
la Sintassi
La sintassi di base per prevedere() nella regressione lineare è −
predict(object, newdata)
di Seguito è la descrizione dei parametri utilizzati −
-
oggetto è la formula che è già stato creato utilizzando il lm() funzione.,
-
newdata è il vettore contenente il nuovo valore per la variabile predittore.
Predire il peso di nuove persone
Quando si esegue il codice di cui sopra, produce il seguente risultato −
1 76.22869
Visualizzare la Regressione Graficamente
Quando si esegue il codice di cui sopra, produce il seguente risultato −
Pubblicità -