Калькулятор линии регрессии методом наименьших квадратов

Линия регрессии методом наименьших квадратов, также называемая линией наилучшего соответствия, - это прямая, минимизирующая сумму квадратов вертикальных расстояний между каждой наблюдаемой точкой данных и прямой. Для набора парных наблюдений (x, y) линия регрессии имеет вид ŷ = mx + b, где m - наклон, а b - пересечение с осью y. Возведение остатков в квадрат перед суммированием сильнее штрафует большие отклонения, чем малые, и не позволяет положительным и отрицательным ошибкам взаимно компенсироваться. Формулы наклона и пересечения выводятся взятием частных производных суммарной квадратичной ошибки по m и b с приравниванием их к нулю. Получаем: m = (n·Σxy − Σx·Σy) / (n·Σx² − (Σx)²) и b = (Σy − m·Σx) / n, где n - число точек данных. Этот калькулятор использует точные выражения в замкнутой форме, поэтому результат математически точен и не требует итеративного приближения. Коэффициент корреляции r измеряет, насколько плотно данные группируются вокруг линии регрессии. Он лежит в диапазоне от −1 до +1. Значение, близкое к +1, указывает на сильную положительную линейную связь (при росте x величина y растет пропорционально); значение, близкое к −1, указывает на сильную отрицательную линейную связь; значение около 0 говорит о слабой или отсутствующей линейной связи. Коэффициент детерминации R² = r² показывает долю дисперсии y, объясняемую x; например, R² = 0.90 означает, что линия регрессии объясняет 90% изменчивости значений y. Регрессия методом наименьших квадратов применяется в науке, инженерии, экономике, социальных науках и машинном обучении. Типичные применения: прогнозирование продаж по расходам на рекламу, моделирование связи температуры и энергопотребления, калибровка приборов, подгонка трендовых линий к данным временных рядов и создание основы для более сложных моделей, таких как множественная линейная и полиномиальная регрессия. При интерпретации результатов помните: корреляция не означает причинность. Высокое значение r говорит лишь о том, что две переменные линейно изменяются вместе, но не обязательно одна вызывает другую. Кроме того, линия регрессии пригодна только для интерполяции в диапазоне наблюдаемых значений x; экстраполяция далеко за этот диапазон может дать ненадежные прогнозы. Наконец, несколько влиятельных выбросов способны существенно сместить линию регрессии; всегда просматривайте диаграмму рассеяния вместе со статистикой, чтобы заметить явные аномалии. Этот калькулятор принимает любое число парных точек данных, минимум две. Введите значения x в одно поле, а соответствующие значения y - в другое, разделяя их запятыми. Результат включает уравнение регрессии, наклон, пересечение с осью y, коэффициент корреляции, R² и средние значения x и y.