Vorhersage:Lineare Regression

Aus CoPlanner 11
Version vom 18. Juni 2026, 07:32 Uhr von S.jakobi (Diskussion | Beiträge) (Wikipedia Link zur linearen Einfachregression hinzugefügt)

Zur Navigation springenZur Suche springen

Die lineare Regression beruht auf der Grundidee, einen Zusammenhang zwischen Variablen durch eine lineare Funktion zu beschreiben.

Im Fall von lediglich einer unabhängigen Variable lässt sich dies grafisch in einem Streudiagramm darstellen: die abhängige Variable wird auf der Y-Achse abgetragen, die unabhängige auf der X-Achse. Die Regressionsgerade wird nun möglichst optimal durch die Punkte gelegt.

"Optimal" bedeutet hier, dass die Summe der quadrierten vertikalen Abstände von den beobachteten Werten zur Regressionsgerade minimiert wird. Daher stammt auch der Name dieser Berechnungsmethode: "Methode der kleinsten Quadrate".

Das Quadrieren hat einerseits zur Folge, dass sich positive und negative Abstände von den Datenpunkten zur Geraden nicht gegenseitig aufheben, und andererseits fließen so größere Abstände mit einem höheren Gewicht in die Berechnung ein.


Ein Konfidenzintervall ist das Ergebnis von Intervallschätzungen und stellt einen statistisch berechneten Wertebereich dar. Es gibt an, in welchem Bereich Parameter der Grundgesamtheit mit einer gewissen Wahrscheinlichkeit liegen könnten, basierend auf den Daten. Ein Konfidenzintervall besitzt immer zwei Endpunkte, die es vom Bereich der Irrtumswahrscheinlichkeit abgrenzen. Bei großer Streuung der Werte wird eine Aussage unsicherer, das heißt, das Konfidenzintervall wird breiter. Ein großes Konfidenzintervall bedeutet dann, dass die Schätzung des Parameters mit großer Unsicherheit behaftet ist und somit weniger präzise ist. Mit <Vorhersagename>.Upper bzw. mit <Vorhersagename>.Lower kann auf die obere bzw. untere Schranke zugegriffen werden.

Definition

In CoPlanner Power Würfel kann man die lineare Regression als Vorhersage hinzufügen. Die genauen Einstellungsmöglichkeiten dazu finden Sie hier.

Weitere Informationen

Weitere Informationen zur linearen Regression und zur Grunde liegenden Mathematik siehe https://de.wikipedia.org/wiki/Lineare_Einfachregression