在Excel中的线性回归示例为日常生活
统计分析是现代生活的基础。统计分析使我们能够创造出治疗疾病的强效药物。他们让我们能够制造安全的汽车,满足我们需求的产品,以及提供一个世纪前人们才梦想到的服务的公司。如今,几乎每个组织都使用统计分析来确保盈利。然而,大多数人觉得统计分析是可怕的。本文将通过一个简单的线性回归示例向您展示统计是多么的简单和实用。这介绍统计,第1部分:描述性统计将教你如何使用描述性统计分析技术,使您可以总结和分析自己的数据。
简单线性回归是一种基于变量x的值来显示变量y之间关系的技术。简单地说,我们在自己的生活中一直使用线性回归关系。我们知道,随着温度下降,人们会穿更多的夹克来保暖,或者随着油价上涨,更多的人会少开车来省钱。事实上,经济学家依靠这些关系来管理经济,比如通过提高银行利率来抑制贷款。
这个例子将在学生和他们的成绩方面解释线性回归。看看以下电子表格示例:
此电子表格显示学生学习的小时数和学生所实现的成绩。如果我们使用图形表示上表,它将如下所示:
该图显示了一个明确的上升趋势,表明学生研究的时间越多,学生就越有可能实现更好的结果。
如何计算线性回归
统计数据的回归是统计分析,评估两个变量之间的关系。计算用于确定两个变量之间的关系。在我们的示例中,我们需要确定所研究的数小时和所达成的成绩之间的关系,以便我们可以计算一个学生在例如9小时内学习的年级。
我们真正需要的是一条代表图表上数据平均值的线。我们可以手动在图中添加一条线,但结果不会像实际计算关系那样准确。
回归的等式可以表示如下:
回归方程(Y)= A + BX
斜率(b)=(nΣxy - (σx)(σy))/(nΣx2 - (σx)2)
拦截(a)=(σy - b(σx))/ n
在哪里:
x和y是变量。
b =回归线的斜率
a =回归线与y轴的交点。
n =值或元素的数量
x =首次分数
Y =二次得分
ΣXY =第一和第二分数的乘积
Σx=第一分数的总和
ΣY =第二次分数的总和
Σx2=正方形的第一分数
这概率和统计课程将在如何计算线性回归的步骤教程中携带一步一步。研讨会将教授您的概率,采样,回归和决策分析以及在研讨会的末尾,您应该能够通过任何介绍性统计课程。
使用Excel的线性回归示例
Excel提供许多不同功能,允许我们静态分析数据。要创建对上述数据的回归分析,我们需要从“数据”选项卡中选择“数据分析”选项:
现在,您需要做的就是指示x和y值,并指示您要绘制的输出和图表类型:
Excel将为您执行回归分析,并且您将在新工作表中最终结束这样的图形来表示线性回归:
现在,我们可以利用这张图表,根据学生为考试学习的时间对成绩做出预测:
使用图表,我们可以预测研究大约7个半小时的学生应该获得该测试的比例约为75%,以及学生约8.3小时的学生应获得约85%的等级。
实际统计数据
我们使用了一个简单的例子来向您展示如何简单的统计数据,但统计数据变得越来越重要,以确保企业做出正确的决定仍然有利可图。统计数据用于确定哪个广告最佳,哪些产品将成功以及公司如何花费金钱。随着公司实现互联网的力量,他们也意识到他们的产品的用户体验可能会严重影响他们的利润率。因此,统计数据也用于确保最佳的用户体验。这用户体验的实用统计数据课程提供易于理解的概念和许多例子,这将有助于您为用户研究中的常见问题产生统计解决方案。