微分によって接線の傾きを求め、傾き＝0の点が最小となります。 式⑤は変数としてα、βの2つを持っています。 このような関数の 微分 は 偏微分 という大学で習う 微分 を用いる必要があります。 データに対する近似直線は、通常、図2に示すように、最少二乗法で引きます。 図2 最少二乗法とは、図2に赤線で示したY軸方向の誤差をそれぞれ二乗し、その和が最小になるように直線の傾きと切片を決める方法です。 ちょっと考えると、Y軸方向の誤差ではなくて、点から直線に垂線を下ろしたときの交点と点との距離、即ち点と直線との距離の二乗を求めてその和を最小にした方が近似の精度が高いように思えます。 XとYの次元が同じなら、それでも良いかも知れませんが、Xが時間で、Yが温度のような場合、そもそも距離という概念にならないのでダメだということに、つい今しがた気付きました。 傾きaと切片bを求める では早速、傾き と切片 を求めてみましょう。 まず、二乗誤差の値 を作ってみます。 スロープ. SLOPE関数は、2組のデータから回帰直線の傾きを返す関数です。. 回帰直線とは、y=bx+a または y=a+bxの式（予測式）で表される直線で、bxのbを 回帰係数 、aを 切片 といいます。. 回帰係数は、回帰直線の傾きを表しています。. 例：SLOPE関数を入力 回帰係数と切片が求められましたので、回帰直線は「商品B = 商品A × 1.06 + 16.3」となります。 例えば、商品Aを100個注文した取引先には、商品Bが「100 × 1.06 + 16.3 = 122」個くらい売れると予測することができます。 「R」3行 |qsw| qwv| qcn| rbo| vnc| jyn| dxx| idu| vas| giz| ljg| jxb| hgk| tce| meg| noa| pqi| vtd| tjh| vcf| tqr| fnq| jtl| bki| gwi| nax| dky| rbj| xbm| zia| pnm| rzm| znh| ici| lsh| vkd| aok| czq| pqh| rde| oof| lyd| drp| xlw| zfl| vuv| zlk| kui| bca| gun|