Calculatrice de la somme résiduelle des carrés


Instructions: Utilisez cette somme des carrés résiduelle pour calculer SSESS_E, la somme des carrés des écarts des valeurs prédites par rapport à la valeur observée réelle. Vous devez saisir les données de la variable indépendante (X)(X) et de la variable dépendante (YY), sous la forme ci-dessous:

Variable indépendante XX exemple de données (séparés par des espaces) =
Variable dépendante YY exemple de données (séparés par un espace) =
Nom de la variable indépendante (facultatif) =
Nom de la variable dépendante (facultatif) =

Quelle est la somme résiduelle des carrés?

Mathématiquement parlant, une somme de carrés correspond à la somme de l'écart carré d'un certain échantillon de données par rapport à sa moyenne d'échantillon. Pour un échantillon simple de données X1,X2,...,XnX_1, X_2, ..., X_n, la somme des carrés (SSSS) est définie comme:

SS=i=1n(XiXˉ)2 SS = \displaystyle \sum_{i=1}^n (X_i - \bar X)^2

Maintenant, quand nous avons affaire à une régression linéaire, qu'entend-on par somme résiduelle des carrés? Dans ce cas, nous avons apparié des exemples de données (Xi,Yi) (X_i , Y_i) , où X correspond à la variable indépendante et Y correspond à la variable dépendante. La somme résiduelle des carrés SSESS_E est calculée comme la somme des carrés de l'écart des valeurs prédites Y^i\hat Y_i par rapport aux valeurs observées YiY_i. Mathématiquement:

SSE=i=1n(Y^iYi)2 SS_E = \displaystyle \sum_{i=1}^n (\hat Y_i - Y_i)^2

Une manière plus simple de calculer SSESS_E, qui conduit à la même valeur, est

SSE=SSTSSE=SSTβ^1×SSXY SS_E = SS_T - SS_E = SS_T - \hat \beta_1 \times SS_{XY}

Autres sommes des carrés calculées

Il existe d'autres types de somme de carrés. Par exemple, si vous êtes plutôt intéressé par les écarts au carré des valeurs prédites par rapport à la moyenne, vous devez utiliser calculatrice de la somme des carrés de régression . Il y a aussi la somme des carrés des produits croisés, SSXXSS_{XX}, SSXYSS_{XY} et SSYYSS_{YY}.

Que pouvez-vous faire d'autre avec des données de paire comme celles-ci?

Il y a d'autres choses que vous pouvez faire avec des données couplées comme (Xi,YiX_i, Y_i, telles que calcul du coefficient de corrélation associé , ou vous pourriez également être intéressé par le calcul du équation de régression linéaire avec toutes les étapes .

s'identifier

Vous n'avez pas de compte de membre?
s'inscrire

réinitialiser le mot de passe

Retour à
s'identifier

s'inscrire

Retour à
s'identifier