Zum Inhalt springen

Linearer Regressionsrechner — Schritt-für-Schritt-Lösungen

Der lineare Regressionsrechner findet die bestangepasste Gerade für Ihre Datenpunkte mit der Methode der kleinsten Quadrate. Er berechnet Steigung, Achsenabschnitt, Korrelationskoeffizient und R-Quadrat.

Geben Sie Ihre Datenpunkte ein und erhalten Sie die Regressionsgleichung mit Streudiagramm und detailliertem Lösungsweg.

0 valid points detected

So verwenden Sie den Linearen Regressionsrechner

  1. Wählen Sie einen Modus: Lineare Regression, Korrelationsanalyse, Vorhersage oder Residuenanalyse.
  2. Geben Sie Ihre Datenpunkte ein, ein x,y-Paar pro Zeile (z.B. 1, 2).
  3. Im Regressionsmodus findet der Rechner die bestangepasste Gerade y = mx + b.
  4. In der Korrelationsanalyse werden Pearson-r und R-Quadrat mit Interpretation berechnet.
  5. Im Vorhersagemodus geben Sie einen x-Wert ein, um den zugehörigen y-Wert vorherzusagen.
  6. In der Residuenanalyse zeigt der Rechner die Differenz zwischen beobachteten und vorhergesagten Werten.

Formel und Theorie

Die lineare Regression findet die Gerade, die am besten zu den Datenpunkten passt, indem sie die Summe der quadrierten Abstände (Residuen) minimiert. Dies ist die Methode der kleinsten Quadrate.

Die Steigung m gibt die Änderung von y pro Einheit x an. Der Achsenabschnitt b ist der y-Wert bei x = 0. Zusammen bilden sie die Gleichung y = mx + b.

Der Pearson-Korrelationskoeffizient r misst die Stärke und Richtung des linearen Zusammenhangs. Er reicht von -1 (perfekt negativ) bis +1 (perfekt positiv).

Das Bestimmtheitsmaß R-Quadrat ist das Quadrat von r. Es gibt den Anteil der Varianz in y an, der durch den linearen Zusammenhang mit x erklärt wird.

Durchgerechnete Beispiele

Beispiel 1: Einfache lineare Regression

Aufgabe: Finden Sie die Regressionsgerade für (1,2), (2,4), (3,5), (4,4), (5,5).

Lösung: Mittelwert x = 3, Mittelwert y = 4. Steigung = 4/10 = 0,4. Achsenabschnitt = 4 - 0,4 x 3 = 2,8.

Antwort: y = 0,4x + 2,8

Beispiel 2: Vorhersage

Aufgabe: Mit y = 0,4x + 2,8: Sagen Sie y für x = 10 vorher.

Lösung: y = 0,4(10) + 2,8 = 4 + 2,8 = 6,8.

Antwort: y = 6,8

Beispiel 3: Korrelationskoeffizient

Aufgabe: Für (1,1), (2,2), (3,3), (4,4): Berechnen Sie Pearson r.

Lösung: Alle Punkte liegen exakt auf y = x. Perfekte positive Korrelation.

Antwort: r = 1,0, R-Quadrat = 1,0

Häufig gestellte Fragen

Was ist der Unterschied zwischen Korrelation und Regression?
Korrelation misst die Stärke und Richtung eines linearen Zusammenhangs. Regression geht weiter und findet die Gleichung der bestangepassten Geraden zur Vorhersage.
Wann sollte ich keine lineare Regression verwenden?
Lineare Regression ist nicht geeignet bei nichtlinearen Zusammenhängen, signifikanten Ausreißern oder wenn die Residuen deutliche Muster zeigen.
Was bedeutet eine negative Steigung?
Eine negative Steigung bedeutet, dass y tendenziell abnimmt, wenn x zunimmt. Die Regressionsgerade fällt von links nach rechts.
Wie viele Datenpunkte brauche ich?
Mindestens 2 Punkte sind erforderlich. Für zuverlässige statistische Analysen benötigt man jedoch mindestens 10 bis 20 Beobachtungen.