Question

线性回归方程公式b怎么求

线性回归方程公式b怎么求

Answer 1

第一：用所给样本求出两个相关变量的(算术）平均值：
x_=(x1+x2+x3+...+xn)/n
y_=(y1+y2+y3+...+yn)/n    

第二：分别计算分子和分母：（两个公式任选其一）
分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_
分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2

第三：计算  b   ：   b=分子  /  分母

用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解为

其中 ，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差.

先求x,y的平均值X,Y

再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)

后把x,y的平均数X，Y代入a=Y-bX

求出a并代入总的公式y=bx+a得到线性回归方程

(X为xi的平均数，Y为yi的平均数)

扩展资料

分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

参考资料：线性回归方程的百度百科

Answer 2

（1）用所给样本求出两个相关变量的(算术）平均值： x_=(x1+x2+x3+...+xn)/n y_=(y1+y2+y3+...+yn)/n ；（2）分别计算分子和分母：（两个公式任选其一） 分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_ 分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2 3)来计算 b。

拓展资料：线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。  线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。

b=分子  /  分母  用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解。其中 ，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差.。

       
       

线性回归方程模型：1、线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在回归中最小化最小二乘损失函数的乘法。2、相反，最小二乘逼近可以用来拟合那些非线性的模型。因此，尽管最小二乘法和线性模型是紧密相连的，但他们是不能划等号的。

       
       

线性回归方程的求法：

第一：用所给样本求出两个相关变量的(算术）平均值

第二：分别计算分子和分母

第三：计算b：b=分子/分母用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零。先求x,y的平均值X,Y。再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。后把x,y的平均数X，Y代入a=Y-bX。求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)

       
       

个人建议：线性回归是利用数理统计中的回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法，是变量间的相关关系中最重要的一部分，主要考查概率与统计知识，考察学生的阅读能力、数据处理能力及运算能力，题目难度中等，应用广泛

Answer 3

有点复杂，不过看图就好了。

拓展资料：

解题思路：

1）根据题意确定y和x，设y=bx+a。

2) 根据题目所给数据，按照公式要求确定a ,b的值。

3）写出线性回归方程y=a+bx。

Answer 4

一：求所给样本x，y平均数也就是x_y_
二：根据最小二乘法求b^，xi是指x1-xn，比如xi－x_就是（x1＋x2＋……xi）－ix_，xiyi－nx_y_就是（x1y1+x2y2+…xiyi）－nx_y_。b^的两个公式根据实际情况使用。Σ符号指从i=1累加到n
三：已知b^，根据a^求法算出a^
四：带入回归线方程

Answer 5

那个奇怪的符号∑代表累加，∑下面的i=1和上面的n代表把它后面的数Xi从X1到Xn累加起来,就是X1+X2+X3+……+Xn