Everyone

JDL-Studios

Ice Cream Sandwich

Halla la ecuación de regresión lineal y sus componentes en un proceso que permite establecer una relación funcional o ecuación matemática entre dos variables, así como la fuerza de esa relación.

A través de una gráfica de puntos representados en el plano cartesiano, donde se ubica como pares ordenados o puntos, de la siguiente forma: (x,y)=(variable independiente, variable dependiente) de la muestra observada. En el eje X se ubica la variable independiente en el eje Y se ubica la variable dependiente."

Todo este proceso se realiza mediante el método de los mínimos cuadrados (MMC)

Esta aplicaron puede calcular:
- La ecuación de regresión estimada
- Coeficiente a (variable independiente)
- Coeficiente b (variable dependiente)
- Calcula la varianza de la regresión
- Desviación estándar de la regresión 
- Suma de los cuadrados de los errores ( SCE )
- Coeficiente de correlación ( r )
- Covarianza (COV)
- Varianza para la variable x
- Varianza para la variable y
- Gráfica la linea de ajuste
Find the linear regression equation and its components in a process that allows you to establish a functional relationship or mathematical equation between two variables, as well as the strength of that relationship.

Through a plot of points represented in the Cartesian plane, where it is placed as ordered pairs or points, as follows: (x, y) = (independent variable, dependent variable) of the observed sample. The independent variable is located on the X axis and the dependent variable is located. "

This whole process is done using the least squares method (MMC)

This applied can calculate:
- The estimated regression equation
- Coefficient to (independent variable)
- Coefficient b (dependent variable)
- Calculate the variance of the regression
- Standard deviation of the regression
- Sum of the squares of the errors (SCE)
- Correlation coefficient (r)
- Covariance (VOC)
- Variance for variable x
- Variance for the variable and
- Graph the adjustment line


Regresión Lineal

Neueste Version von Regresión Lineal