콘텐츠
직선을 일련의 데이터에 피팅 할 때 결과 라인이 데이터에 얼마나 잘 맞는지 결정하는 데 관심이있을 수 있습니다. 이를 수행하는 한 가지 방법은 SSE (sum of squares error)를 계산하는 것입니다. 이 값은 가장 적합한 선이 데이터 세트에 얼마나 근접한지를 측정합니다. SSE는 실험 데이터 분석에 중요하며 단 몇 단계 만 거치면 결정됩니다.
회귀를 사용하여 데이터를 모델링하기에 가장 적합한 라인을 찾으십시오. 가장 적합한 선은 y = ax + b 형식입니다. 여기서 a 및 b는 결정해야하는 매개 변수입니다. 간단한 선형 회귀 분석을 사용하여 이러한 매개 변수를 찾을 수 있습니다. 예를 들어 가장 적합한 선의 형식은 y = 0.8x + 7입니다.
방정식을 사용하여 가장 적합한 선으로 예측 된 각 y- 값의 값을 결정하십시오. 각 x- 값을 선의 방정식으로 대체하여이 작업을 수행 할 수 있습니다. 예를 들어, x가 1 인 경우 방정식 y = 0.8x + 7로 대체하면 y- 값에 7.8이됩니다.
가장 적합한 방정식의 선에서 예측 한 값의 평균을 구하십시오. 방정식에서 예측 된 모든 y- 값을 합산하고 결과 수를 값 수로 나누어이 작업을 수행 할 수 있습니다. 예를 들어 값이 7.8, 8.6 및 9.4 인 경우이 값을 합하면 25.8이되고이 숫자를 값의 수 (이 경우 3)로 나누면 8.6이됩니다.
평균에서 각 개별 값을 빼고 결과 수를 제곱합니다. 이 예에서 평균 8.6에서 7.8 값을 빼면 결과 수는 0.8입니다. 이 값을 제곱하면 0.64가됩니다.
4 단계의 모든 제곱 값을 합산하십시오. 예제의 3 단계 값 모두에 4 단계의 지시 사항을 적용하면 0.64, 0 및 0.64의 값을 찾을 수 있습니다. 이 값을 합하면 1.28이됩니다. 이것은 제곱 오차의 합입니다.