Mit Google fortfahren
Messpunkte liegen selten perfekt auf einer Geraden. Die lineare Regression sucht eine Gerade, die möglichst gut zu einer Punktwolke passt. Damit kannst du Trends beschreiben und vorsichtige Vorhersagen machen.
- Ich kann erklären, was eine Regressionsgerade ist.
- Ich kann Steigung und Achsenabschnitt deuten.
- Ich kann die Methode der kleinsten Quadrate beschreiben.
- Ich kann Vorhersagen und ihre Grenzen einschätzen.
Warum Regression?
Wenn Daten ungefähr linear zusammenhängen, fasst eine Gerade den Trend zusammen. Sie ersetzt nicht die Daten, sondern beschreibt ihre Richtung.
Lineare Regression
Die lineare Regression bestimmt eine Gerade \(y=mx+b\), die möglichst gut zu gegebenen Datenpunkten passt.
Du misst Lernzeit und Punktzahl.
Die Punkte liegen nicht auf einer perfekten Gerade, zeigen aber: Mehr Lernzeit führt meistens zu mehr Punkten.
Eine Regressionsgerade beschreibt diesen Trend.
Interaktive Quizfrage wird geladen ...
Gerade deuten
In \(y=mx+b\) beschreibt \(m\) die Steigung und \(b\) den y-Achsenabschnitt.
Residuum
Ein Residuum ist der vertikale Abstand zwischen einem Datenpunkt und dem Wert der Regressionsgeraden bei demselben x-Wert.
Die Gerade lautet \(y=2x+5\).
Wenn \(x\) um 1 steigt, steigt der vorhergesagte y-Wert um 2.
Bei \(x=0\) sagt das Modell \(y=5\) voraus.
Für \(x=3\) ist \(y=11\).
Die Steigung beschreibt die Veränderung pro x-Einheit. Sie ist die wichtigste Deutung der Regressionsgeraden.
Interaktiver Lückentext wird geladen ...
Kleinste Quadrate
Die übliche Regressionsgerade minimiert die Summe der quadrierten Residuen. Große Abstände zählen dadurch besonders stark.
Das Quadrieren verhindert, dass positive und negative Abstände sich gegenseitig aufheben. Es bestraft außerdem große Fehler stärker als kleine.
Für einen Punkt \((4|12)\) und die Gerade \(y=2x+1\) ist der vorhergesagte Wert bei \(x=4\) gleich 9.
Das Residuum ist \(12-9=3\).
Der quadrierte Fehler ist \(3^2=9\).
Interaktive Quizfrage wird geladen ...
Prüfungsmodus
Vorhersagen innerhalb des Datenbereichs sind Interpolation. Weit außerhalb zu schätzen heißt Extrapolation und ist riskanter.
Interaktive Quizfrage wird geladen ...
Alles auf einen Blick
Interaktive Mindmap wird geladen ...
Interaktive Lernkarten wird geladen ...
Zusammenfassung
Lineare Regression fasst einen ungefähren linearen Zusammenhang in einer Geraden zusammen. Du deutest Steigung und Achsenabschnitt, beachtest Residuen und bleibst bei Vorhersagen vorsichtig.