Regressione lineare
Impara a trovare la retta di migliore adattamento per i dati e ad usarla per fare previsioni.
Definizione
- è la pendenza (quanto cambia per ogni aumento di un'unità di )
- è l'intercetta (il valore di quando )
Prova subito
Esempi svolti
Un bar registra la temperatura giornaliera (°C) e le vendite di caffè freddo: | Temperatura | Vendite | |-------------|--------| | 15 | 20 | | 20 | 35 | | 25 | 45 | | 30 | 60 | | 35 | 70 | Trova l'equazione della retta di regressione.
Calcola le medie
→ ,
Calcola la pendenza usando la formula
Numeratore: Denominatore: →
Calcola l'intercetta
→
Scrivi l'equazione di regressione
→ Retta di regressione:
Risposta: La retta di regressione è . Questo significa che per ogni aumento di 1°C della temperatura, le vendite di caffè freddo aumentano di circa 2,5 unità.
Errori comuni
Assumere che la retta di regressione passi per tutti i punti dati
Perché è sbagliato: La retta di migliore adattamento minimizza l'errore totale ma raramente passa per ogni punto. I punti sopra e sotto la retta sono normali.
Corretto: Comprendi che la retta di regressione rappresenta la tendenza generale, non i singoli punti dati.
Usare l'equazione di regressione per estrapolare molto oltre l'intervallo dei dati
Perché è sbagliato: La relazione potrebbe non valere al di fuori dell'intervallo dei dati osservati. Prevedere molto oltre i tuoi dati può dare risultati irrealistici.
Corretto: Sii cauto quando prevedi per valori di x molto al di fuori del tuo intervallo di dati. Nota quando stai estrapolando.
Confondere correlazione con causalità
Perché è sbagliato: Una forte relazione lineare non significa che una variabile causa cambiamenti nell'altra. Potrebbero essere coinvolti altri fattori.
Corretto: Usa la regressione per descrivere relazioni e fare previsioni, ma sii cauto nell'affermare causalità.
Dimenticare di verificare se un modello lineare è appropriato
Perché è sbagliato: Non tutti i dati seguono un modello lineare. Usare la regressione lineare su dati non lineari dà risultati fuorvianti.
Corretto: Traccia sempre prima i tuoi dati. Se il diagramma a dispersione mostra una curva, la regressione lineare potrebbe non essere la scelta migliore.
Visuale interattivo
Esplora funzioni lineari
| x | y |
|---|---|
| -2 | -2 |
| -1 | -1 |
| 0 | 0 |
| 1 | 1 |
| 2 | 2 |
Sandbox interattivo
Graficatore interattivo
Prova questi esempi:
y = 2x + 1
m=2, b=1
Calcolatrice di espressioni
Prova questi:
Cronologia
Ancora nessun calcolo
Esercizi pratici
16 eserciziCosa rappresenta la pendenza in una retta di regressione ?
Perché è importante
- Business: Prevedere le vendite in base alle spese pubblicitarie o ai cambiamenti di prezzo
- Scienza: Modellare le relazioni tra variabili negli esperimenti
- Medicina: Prevedere i risultati dei pazienti basandosi sui dati dei trattamenti
- Economia: Prevedere indicatori economici basandosi sulle tendenze storiche
- Sport: Analizzare le prestazioni dei giocatori e prevedere statistiche future
Applicazioni nel mondo reale
Prevedere i prezzi delle case
Gli analisti immobiliari usano la regressione lineare per stimare i prezzi delle case basandosi su caratteristiche come metri quadri, numero di stanze o distanza dal centro città.
Esempio:
Se dove sono i metri quadri e il prezzo in euro, un appartamento di 100 m² costerebbe circa 150(100) + 50000 = 65000 euro.
Un modello immobiliare mostra: Prezzo = 200x + 30000 (dove x = metri quadri).
Quale prezzo prevederesti per un appartamento di 120 m²?
Passo 1: Scrivi l'espressione matematica
Sostituisci nell'equazione:
Analisi dell'efficienza del carburante
Gli ingegneri automobilistici usano la regressione per capire come il peso dell'auto influisce sul consumo di carburante.
Esempio:
Se consumo (L/100km) = 0,004 × peso (kg) + 2, un'auto di 1500 kg consumerebbe 0,004(1500) + 2 = 8 L/100km.
I dati di un produttore di auto mostrano: Carburante = 0,005p + 1,5 (dove p = peso in kg).
Prevedi il consumo di carburante per un veicolo di 1200 kg.
Passo 1: Scrivi l'espressione matematica
Calcola:
Previsione delle vendite aziendali
Le aziende usano la regressione per prevedere le vendite future basandosi sulle spese pubblicitarie, aiutandole ad allocare efficacemente i budget di marketing.
Esempio:
Se vendite mensili = 3 × spesa pub + 10000, spendere 5000 euro in pubblicità prevede vendite di 3(5000) + 10000 = 25000 euro.
Il modello di un'azienda: Vendite = 4 × BudgetPub + 8000.
Se spendono 3000 euro in pubblicità, quali vendite possono aspettarsi?
Passo 1: Scrivi l'espressione matematica
Calcola le vendite previste:
Punti chiave
- 1La regressione lineare trova la retta che meglio si adatta a un insieme di punti dati
- 2L'equazione della retta di regressione è dove è la pendenza e l'intercetta
- 3La pendenza indica quanto cambia per ogni aumento di un'unità di
- 4L'intercetta è il valore previsto di quando
- 5Usa la regressione per fare previsioni, ma sii cauto nell'estrapolare lontano dai tuoi dati
Domande frequenti
Glossario
- Regressione lineare
- Un metodo statistico per trovare la retta che meglio si adatta a un insieme di punti dati
- Retta di migliore adattamento
- La retta di regressione che minimizza la somma dei quadrati dei residui
- Pendenza
- Il tasso di variazione; quanto aumenta per ogni aumento di un'unità di
- Intercetta
- Il valore di quando ; dove la retta interseca l'asse y
- Residuo
- La differenza tra un punto dati reale e il suo valore previsto sulla retta di regressione
- Minimi quadrati
- Il metodo che trova la retta che minimizza la somma dei quadrati dei residui
- Estrapolazione
- Usare un'equazione di regressione per prevedere valori al di fuori dell'intervallo dei dati originali
Scheda formule
Retta di regressione
L'equazione della retta di migliore adattamento con pendenza m e intercetta b
Formula della pendenza
Calcola la pendenza usando i punti dati e le medie
Intercetta
Calcola l'intercetta usando la pendenza e le medie
Residuo
La differenza tra il valore reale e il valore previsto