Regression und Kurvenanpassung

 

Image:Video_Image.png Weitere relevante Videos: Einführung in die Kurvenanpassung

Regressionsanalyse ist die Analyse der Beziehung zwischen einer oder mehreren Prädiktor-Variablen (unabhängige Variablen) und der Response-Variablen (abhängige Variable). Um die Regressionsanalyse auf einen Datensatz anzuwenden, wird zunächst ein Regressionsmodell erstellt. Dann werden die besten Fit-Parameter unter Verwendung von Methoden wie der Methode der kleinsten Quadrate geschätzt. Schließlich wird die Güte des Modells mit einem oder mehreren Hypothesentests bewertet.

Aus mathematischer Sicht gibt es zwei Hauptkategorien der Regression: linear und nichtlinear. Ein Modell, bei dem die Fit-Parameter in der Normalengleichung der "Methode der kleinsten Quadrate" linear erscheinen, wird als ein "lineares Modell" bezeichnet; andernfalls handelt es sich um ein "nichtlineares Modell". Bei vielen wissenschaftlichen Experimenten besitzt das Regressionsmodell nur eine oder zwei Prädiktor-Variablen. Das Ziel der Regressionsanalyse ist die Anpassung einer Kurve oder einer Oberfläche an die Versuchsdaten. So könnten wir ebenfalls auf die Regressionsanalyse als ”Kurven-Fitting", "Kurvenanpassung" oder ”Oberflächenanpassung” verweisen.