Diferenças dos mínimos quadrados e regressão linear
regressão linear e mínimos quadrados são conceitos matemáticos que analisam estatisticamente variáveis e define -los contra uma linha para medir a variação e desvio . Ambos os conceitos são freqüentemente usados em matemática básica e análise de dados estatísticos. Para a maior parte , ambos têm uma abordagem semelhante para modelar mas completamente diferentes procedimentos e resultados . Finalidade
O objetivo dos mínimos quadrados é abordar a solução aproximada de equações superestimada, ou equações que têm variáveis mais desconhecidos do que conhecidos . Em outras palavras, o seu principal objectivo é isolar variáveis desconhecidas e minimizar os seus efeitos sobre as variáveis conhecidas . O objectivo da regressão linear é para mostrar a relação escalável entre duas ou mais variáveis . Na regressão linear , todas as variáveis são claramente conhecidas. As variáveis analisadas por meio de regressão linear afetam diretamente um ao outro de forma claramente escalável.
Procedimentos
O procedimento dos mínimos quadrados ajusta os parâmetros das variáveis desconhecidas , a fim de melhor ajuste dos dados. A regressão linear nunca ajusta os parâmetros de variáveis , porque todos os parâmetros estão claramente definidos . Mínimos quadrados criar um residual que explica a diferença entre o valor real de variáveis dependentes e conhecidos o valor previsto de variáveis independentes desconhecidos . Mais uma vez , a regressão linear nunca tem de fazer suposições ou previsões durante o procedimento. Em muitos aspectos, os procedimentos de regressão linear são muito mais simples do que as dos mínimos quadrados.
Linear versus não- linear
Como o nome sugere, regressão linear traça as suas conclusões em uma linha reta perfeita que inequivocamente distingue uma tendência. Mínimos quadrados traça as suas conclusões , tanto uma curva e uma linha reta , de acordo com os dados que estão sendo analisados. Se mínimos quadrados traça uma linha curva ou linear depende inteiramente da natureza do resíduo . Se o residual mostra muitos problemas na relação entre os valores das variáveis previstas e conhecidas , a linha irá traçar como uma curva . Mas se os shows residuais muito poucas interrupções entre os valores previstos e conhecidos , ele irá traçar como uma linha reta .
Aplicação
mínimos quadrados é usado para dados e montagem interpretação do sistema com muitas variáveis desconhecidas. De regressão linear , por outro lado , é utilizado particularmente para mostrar linhas de tendência através da análise de dados bem definidas . Mínimos quadrados tem o potencial para prever as tendências , o que abre as descobertas ao erro. A regressão linear não faz um erro; em vez disso, mostra claramente as tendências entre variáveis , porque ele não tem a competição com variáveis desconhecidas . A regressão linear aplica-se a descrever as coisas que já são conhecidas .