Cómo utilizar regresiones lineales en el análisis predictivo
Video: Como interpretar el modelo de regresion lineal
Regresión lineal es un método estadístico que analiza y descubre las relaciones entre las dos variables. En el análisis predictivo puede ser utilizado para predecir un futuro valor numérico de una variable.
Video: REGRESION LINEAL
Considere un ejemplo de los datos que contienen dos variables: los datos del pasado que consiste en los tiempos de llegada de un tren y su tiempo de retardo correspondiente. Supongamos que se desea predecir cuál sería el retardo para el próximo tren. Si se aplica la regresión lineal para estas dos variables - la llegada y tiempos de retardo - se puede generar una ecuación lineal como
Delay = a + (b * La hora de llegada) + d
Video: Regresión lineal simple en Minitab
Esta ecuación expresa la relación entre tiempo de retardo y la hora de llegada. las constantes un y segundo son los parámetros del modelo. La variable re es el término de error (También conocido como el recordatorio) - un valor numérico que representa la falta de coincidencia entre las dos variables retrasar y hora de llegada. Si el error no es igual a cero, entonces eso podría indicar que hay criterios que afectan a la variable retrasar.
Si estás sentado en la estación de tren, puede simplemente conectar el tiempo de llegada a la ecuación anterior y se puede calcular el retardo esperado, usando parámetros dados del modelo de regresión lineal a, b, y re.
Video: Regresión Lineal Simple
La regresión lineal es (como se puede imaginar) más adecuado para datos lineales. Pero es muy sensible a los valores extremos en los puntos de datos. Los valores atípicos en los datos pueden tener un impacto significativo en el modelo. Se recomienda que quite esos valores extremos del conjunto de entrenamiento si usted está planeando utilizar la regresión lineal para su modelo predictivo.