Wat past het beste bij u?

In de wiskunde is de best passende lijn een lijn die kan worden getrokken met betrekking tot de punten in een spreidingsplot van gegevens. Spreidingsplots worden gemaakt wanneer twee eigenschappen van iets gerelateerd zijn, zoals de dag en hoge temperatuur voor de dag. De best passende lijn beschrijft de punten op een spreidingsplot het beste wanneer het gemiddelde verschil tussen waar de lijn wordt getrokken en het dichtstbijzijnde punt het minst is. Dit is eenvoudig te controleren met de minst vierkante methode. Vergelijkingen worden soms gebruikt om de lijnen als een functie te beschrijven wanneer slechts één punt betrekking heeft op een punt op de best passende lijn.

Het is belangrijk om te begrijpen dat alle lijnen een helling en een onderschepping hebben. De helling beschrijft hoe snel de lijn tussen twee relaties verandert. Het onderscheppen beschrijft een punt waarop een deel van de relatie nul wordt als de lijn tot dat punt wordt verlengd.

Het ontwikkelen van een goed passende lijn is handig omdat hiermee voorspellingen kunnen worden gedaan wanneer gegevens niet worden gepresenteerd. Als er slechts twee punten worden uitgezet, kan slechts één lijn worden getrokken met een liniaal als een rechte lijn tussen de twee punten. Met slechts twee punten is de lijn van de beste pasvorm exact en hoeft deze niet te worden gecontroleerd. Het kan nu de exacte positie weergeven van een relatie die tussen de twee punten zou landen.

Een spreidingsdiagram van twee relaties is hoe de meeste gegevens worden vastgelegd in statistieken. De meeste spreidingsplots hebben veel punten, en het gebruik van een liniaal om een ​​best passende lijn te trekken is niet langer de juiste techniek. Als de relatie als eerst besteld wordt beschouwd, blijft de lijn met de beste pasvorm nog steeds een rechte lijn, maar deze lijn hoeft geen punten te raken.

De minst vierkante methode bepaalt of de ene regel beter bij de gegevens past dan de andere. Het doet dit door te kijken of het verschil tussen elk geplot punt en het punt dat de lijn voorspelt het kleinst mogelijke verschil is. Het gemiddelde berekenen van de verschillen levert een getal op dat aangeeft hoe goed de lijn bij de gegevens past. Andere lijnen kunnen een lagere waarde krijgen en de nieuwe best passende lijn worden in een proces dat lineaire regressie wordt genoemd.

Niet elke lijn is een rechte lijn, veel zijn krommen en zelfs driedimensionaal. Meervoudige lineaire regressie is de statistische techniek die wordt gebruikt om een ​​lijn te vinden die het beste past bij gegevens die geen rechte lijn volgen. Regressie verwijst naar curve- en oppervlaktekoppeling, maar zelfs voor dit veel moeilijkere gebruik van de best passende lijn, wordt de minst vierkante methode nog steeds gebruikt om resultaten te controleren en te vergelijken.