Inleiding tot regressie
Leer hoe je de best passende lijn door datapunten vindt en voorspellingen maakt met lineaire regressie.
Definitie
- de helling is (hoe steil de lijn is)
- het y-snijpunt is (waar de lijn de y-as snijdt)
- de invoervariabele is (onafhankelijke variabele)
- de voorspelde uitvoer is (afhankelijke variabele)
Probeer het meteen
Uitgewerkte voorbeelden
Een studie toont aan dat voor elk extra uur studeren de testscores met 5 punten stijgen. Als een student die 0 uur studeert 50 punten scoort, wat is de regressievergelijking?
De helling identificeren
Score stijgt met 5 punten per uur studeren →
Het y-snijpunt identificeren
Wanneer uur, is de score 50 punten →
De vergelijking schrijven
Vul en in in →
Antwoord: De regressievergelijking is , waarbij het aantal uren studeren is en de voorspelde score.
Veelgemaakte fouten
De volgorde van aftrekking in de hellingsformule verwarren
Waarom het fout is: Het gebruik van in plaats van geeft het omgekeerde van de juiste helling.
Correct: Onthoud: helling is 'stijging over verloop' - de verandering in (verticaal) gedeeld door de verandering in (horizontaal).
Te ver buiten de data extrapoleren
Waarom het fout is: De regressielijn is alleen betrouwbaar binnen het bereik van je data. Voorspellen ver buiten dit bereik kan leiden tot onrealistische resultaten.
Correct: Wees voorzichtig met voorspellingen voor -waarden die veel groter of kleiner zijn dan je oorspronkelijke datapunten.
Aannemen dat correlatie causaliteit betekent
Waarom het fout is: Alleen omdat twee variabelen gerelateerd zijn (gecorreleerd) betekent niet dat de ene de andere veroorzaakt.
Correct: Regressie toont relaties, maar aanvullende analyse is nodig om causaliteit vast te stellen.
Interactieve visualisatie
Lineaire functie verkenner
| x | y |
|---|---|
| -2 | -2 |
| -1 | -1 |
| 0 | 0 |
| 1 | 1 |
| 2 | 2 |
Interactieve sandbox
Interactieve grafieker
Probeer deze voorbeelden:
y = 2x + 1
m=2, b=1
Expressiecalculator
Probeer deze:
Geschiedenis
Nog geen berekeningen
Oefenproblemen
16 opgavenWat stelt de voor in de vergelijking ?
Waarom het belangrijk is
- Zakelijk: Verkoop voorspellen op basis van advertentie-uitgaven
- Geneeskunde: Medicijndosering schatten op basis van patiëntgewicht
- Economie: BBP-groei voorspellen uit verschillende indicatoren
- Sport: Prestaties van atleten projecteren uit trainingsmetrieken
- Wetenschap: Relaties tussen variabelen modelleren in experimenten
Toepassingen in de echte wereld
Huizenprijzen voorspellen
Vastgoedanalisten gebruiken regressie om huiswaarden te schatten op basis van factoren zoals vierkante meters, aantal slaapkamers en locatie.
Voorbeeld:
Als huizen voor ongeveer €1500 per vierkante meter verkopen met een basisprijs van €50000, zou de vergelijking kunnen zijn, waarbij het aantal vierkante meters is.
Een vastgoedmodel toont: , waarbij het aantal vierkante meters is en de prijs in euro.
Wat is de voorspelde prijs voor een huis van 150 vierkante meter?
Stap 1: Schrijf de wiskundige uitdrukking
Vul in de vergelijking in:
Brandstofefficiëntie-analyse
Auto-ingenieurs gebruiken regressie om te begrijpen hoe het voertuiggewicht het brandstofverbruik beïnvloedt.
Voorbeeld:
Data zou kunnen tonen dat de brandstofefficiëntie met 0,005 km/L afneemt voor elke kilogram extra gewicht.
Een automodel toont: , waarbij het gewicht in kg is en de efficiëntie in km/L.
Welke efficiëntie wordt voorspeld voor een auto van 1200 kg?
Stap 1: Schrijf de wiskundige uitdrukking
Bereken:
Belangrijke punten
- 1Lineaire regressie vindt de lijn die het beste past bij een verzameling datapunten
- 2De regressievergelijking is , waarbij de helling is en het y-snijpunt
- 3De helling wordt berekend als (stijging over verloop)
- 4Zodra je de vergelijking hebt, kun je voorspellingen doen door waarden voor in te vullen
- 5Regressie toont correlatie, maar correlatie impliceert geen causaliteit
Veelgestelde vragen
Woordenlijst
- Lineaire regressie
- Een statistische methode om de best passende rechte lijn door datapunten te vinden
- Best passende lijn
- De rechte lijn die de afstand tussen zichzelf en alle datapunten minimaliseert
- Helling
- De steilheid van de lijn, die de veranderingssnelheid voorstelt ( in )
- Y-snijpunt
- Het punt waar de lijn de y-as snijdt ( in )
- Voorspelling
- De regressievergelijking gebruiken om te schatten voor een gegeven waarde van
- Onafhankelijke variabele
- De invoervariabele () die we gebruiken om voorspellingen te doen
- Afhankelijke variabele
- De uitvoervariabele () die we proberen te voorspellen