Moindres carrés est une méthode pour effectuer une analyse de régression linéaire dans les statistiques. Le résultat d'une analyse des moindres carrés est une équation linéaire avec le coefficient de régression comme la pente et l'ordonnée à l'origine en tant que coefficient de l'ordonnée à l'origine. Dans ce procédé, les carrés des distances verticales des points de données de la ligne de régression sont réduites au minimum, ce qui est la raison pour laquelle on l'appelle "moindres carrés." Vous devrez également le coefficient de régression pour calculer le coefficient d'interception.
Étape 1:Calculer la moyenne, ou moyenne, des x et les données y définir les valeurs. Vous devriez avoir le même nombre de valeurs (N) dans chaque ensemble de données.
Étape 2:Calculer le coefficient de régression (k). Le coefficient de régression est la covariance de l'échantillon divisée par la variance. Lorsque vous remplacez les équations de ces deux valeurs dans la formule, ce qui reste est le rapport de deux sommes. Pour les grands ensembles de données, il est plus efficace d'utiliser un programme informatique ou un tableur pour calculer ces montants.
Etape 3:Calculer le coefficient d'interception. Résoudre l'équation de régression linéaire général pour y et de recueillir tous les termes constants ensemble. La lettre grecque "alpha" représente parfois le coefficient d'interception, mais la plupart des gens sont habitués à voir l'équation de la droite y = mx + b, où m est la pente et b est l'ordonnée à l'origine.
Etape 4:Utilisez la constante comme étant la pente (m) et le coefficient de régression de l'ordonnée à l'origine comme ordonnée à l'origine d'écrire l'équation de la droite de régression. Vous pouvez dessiner cette ligne sur un graphique qui comprend vos données pour voir la tendance et dépendances.