線性迴歸和一次曲線擬合的區別,線性擬合和線性迴歸的區別是什麼

1樓:飛翔雨兒

迴歸(分析bai)可以理解為一種方法du或演算法,即研究zhi因變數daoy和自變數專x之間關係的一種數學統屬

計方法,目的是瞭解y和x之間相關性的強度。

擬合是推求一個函式表示式y=f(x)來描述y和x之間的關係,一般用最小二乘法原理來計算。

用直線來擬合時,可以叫一次曲線擬合,雖然有點彆扭;用二次函式來擬合時,可以叫拋物線擬合或二次曲線擬合,但不能說線性迴歸。

用直線(y=ax+b)擬合時,得到的方程和一元線性迴歸分析得到的方程是一樣的,但是擬合時可以人為指定函式引數形式,如b=0,而線性迴歸分析目的則側重於描述y和x線性相關的程度,通常會同時計算相關係數、f檢驗值等統計引數。

2樓:匿名使用者

第一個是一次曲線擬合。

第二個既然是「二次方程」,那就是二次曲線擬合。類似地,用三次方程表示就是三次曲線擬合;用指數就是指數曲線擬合......

線性迴歸和一次曲線擬合沒有區別。

線性擬合和線性迴歸的區別是什麼?

3樓:

線性迴歸就是線性擬合,在統計的意義上是等價的。擬合就是為了找到那條,對所有點來說,殘差平方和最小的直線,線性迴歸也是。

迴歸是國外的**叫regression,命名的統計學家是想說,這些點都圍繞在一條看不見的直線,直線周圍的點若偏離的大了感覺就有迴歸直線,向直線靠攏的趨勢。

擬合是國內的傳統**,用一條直線代替樣本點,以達到**的作用。

最後說一下線性這個概念,比如擬合每天學習時間和高考成績,可能就是線性的。

但若擬合收入高低和幸福指數,那很可能就不是了,因為不是說賺的越高越高興,而且可能到了很高的水平,收入增加了很多,卻幸福不起來,資料有可能是指數,有可能是二次函式,這些都歸為非線性。主要是線性這個性質非常友好,大家喜聞樂見,所以有了很多轉換公式,把非線性的資料變換成線性,擬合出來再反變換回去。

最近用origin做擬合的相關性分析,請問,顯著性相關怎麼看?是p嗎?為何不是<0.001這樣的形式?

4樓:匿名使用者

很簡單,就看p值,小於0.05就可表達為,在0.05水平上,統計意義上差異顯著。