Datei:Linear regression.svg
Größe der PNG-Vorschau dieser SVG-Datei: 438 × 289 Pixel. Weitere Auflösungen: 320 × 211 Pixel | 640 × 422 Pixel | 1.024 × 676 Pixel | 1.280 × 845 Pixel | 2.560 × 1.689 Pixel.
Originaldatei (SVG-Datei, Basisgröße: 438 × 289 Pixel, Dateigröße: 71 KB)
Beschreibung
| Beschreibung |
Français : Un nuage de points (en bleu) peut être modélisé par une droite de
régression (en rouge). English: Random data points and their linear regression. Created with the following Sage (http://sagemath.org) commands:
X = RealDistribution('uniform', [-20, 60])
Y = RealDistribution('gaussian', 1.5)
f(x) = 3*x/20 + 5
xvals = [X.get_random_element() for _ in range(100)]
data = [(x, f(x) + Y.get_random_element()) for x in xvals]
m, b = var('m b')
g(x) = m*x + b
g(x) = g(x).subs(find_fit(data, g, solution_dict=True))
p = list_plot(data) + plot(g, (x, -20, 60), color='red')
p.save('linear_regression.svg')
|
| Datum | |
| Quelle | Eigenes Werk |
| Urheber | Sewaqu |
| Andere Versionen |
Abgeleitete Werke dieser Datei: Sedm zakladnich nastroju zlepsovani kvality cz.svg:  |
| SVG‑Erstellung |  Diese Grafik wurde mit Sage erstellt. und mit Inkscape. |
Lizenz
|
Dieses Werk wurde von seinem Urheber Sewaqu als gemeinfrei veröffentlicht. Dies gilt weltweit. In manchen Staaten könnte dies rechtlich nicht möglich sein. Sofern dies der Fall ist: Sewaqu gewährt jedem das bedingungslose Recht, dieses Werk für jedweden Zweck zu nutzen, es sei denn, Bedingungen sind gesetzlich erforderlich. |
Dateiversionen
Klicke auf einen Zeitpunkt, um diese Version zu laden.
| Version vom | Vorschaubild | Maße | Benutzer | Kommentar | |
|---|---|---|---|---|---|
| aktuell | 11:42, 31. Mär. 2016 | | 438 × 289 (71 KB) | wikimediacommons>RaphaelQS | transparent background |
Dateiverwendung
Die folgenden 18 Seiten verwenden diese Datei:
- Bildungsforschung - Pädagogik
- M10 M - Funktionsmodelle im Sachkontext beurteilen
- M7 E - Lineare Modelle in Sachsituationen beurteilen
- M8 E - Eine mathematische Projektaufgabe planen und lösen
- M8 E - Modellgrenzen linearer Funktionen untersuchen
- Maschinelles Lernen verstehen
- Physik und Künstliche Intelligenz - Physik
- Quantitative Forschungsmethoden in der Pädagogik - Pädagogik
- Vorhersagen mit KI verstehen
- English:Correlation and Lines of Best Fit
- English:Correlation and Regression
- English:Data Science Foundations
- English:Machine Learning
- English:Marketing Analytics
- English:Mathematical Modelling
- English:Statistics for Data Science
- Arabic:الإحصاء التطبيقي
- Arabic:النمذجة الرياضية
