作业帮线性回归方程中x是解释变量,y是预报变量是正确吗?
来源：学生作业帮助网 编辑：作业帮 时间：2024/05/21 13:05:32
x_=(32.3+32.1+32.9+35.8+37.1+38.0+39.0+43.0+44.6+46.0)/10=38.08y_=(25+30+34+37+39+41+42+44+48+51)/10
大于零吧.正相关的话如果x增加y也增加.说明斜率大于0.再答：望采纳。
举例说明：能量方程,E＝M*C^2对等号两侧同时去log：lgE=lgM+2*lgC此时Y（lgE）和X（lgM,lgC)之间就是线性的.
一元回归分析中,自变量和因变量的相关系数的平方等于回归模型的判定系数.所以相关系数为0.8
┃x┃3┃4┃5┃6┃∑=18x1=4.5┃y┃2.5┃3┃4┃4.5┃∑=14y1=3.5┃xxy┃7.5┃12┃20┃27┃∑=66.5┃x²┃9┃16┃25┃36┃∑=86∴b=（66
回归中,一个变量能解释另一个变量的百分比是决定系数,它等于相关系数的平方.这里决定系数=0.5^=0.25,也就是Y的25%可以由X来解释,解释不了变异百分比的=1-0.25=75%
这个链接里的公式可以看出回归系数和相关系数的关系http://course.cug.edu.cn/cugFirst/statistics/neirong/zhang161.htm即y=a+bx时,b=
这是由你自己选的啊,你需要根据自己想要研究的问题挑选y和x,没有说你一定要挑某些变量,往往在一个问题中,y是确定的,x可能有很多选择的可能,我们都可以一一尝试.
就比如说,y是找工作成功率,x就是影响工作成功率的各种因素（如年龄,性别,家庭条件）,但是年龄不是被家庭条件影响
因为以估计系数=0为原假设,才可以构造出已知分布的检验统计量,再代入具体的样本值,可以确定是否有小概率事件发生,以此来决定是否推翻原假设.
.x=5+4+3+2+15=3，.y=2+1.5+1+1+0.55=1.2，∴b=5×2+4×1.5+3+2+0.5−5×3×1.252+42+32+22+12−5×32=0.35，a=1.2-0.3
不对,是预测变量的近似值
x=[12345];>>y=[34578];>>p=polyfit(x,y,1);>>plot(x,y,x,polyval(p,x))再问：plot(x,y,x,polyval(p,x))为什么画出的
答：求和符号"∑".符号"∑"读作"西格玛",常用作求和,"∑"（∑上面有一个n,下面有一个i=1,右面有一个ai)读作"西格玛ai从i=1到i=n","∑"（∑上面有一个n,下面有一个i=1,右面有
因为是现行回归了,比如对于两个变量的,x,y,假设了用解释变量x的方程式表示y,此时只有确定x,才能有对应的y预测值因此x此时不是随机变量,
在方程估计结果窗口上方有一个选项是"Forecast",点击它,然后填好"Forecastsample"等信息,点击OK,即可.
拟合直线就是线性回归方程,都是用最小二乘法算出来的再问：���ֱ���ж�����ع�ֱ��ֻ��һ���Dz���˵�ع鷽�����ȷ�����ֱ��再答：�ţ����ֱ�ߵ���϶ȿ��Կ��ƣ�
是拟合直线的斜率,与相关系数有一个定量关系,注意区分.
改成这样就对了：相关系数接近±1说明解释变量和被解释变量之间呈线性关系.