HASTER.. lave regression på et datasæt via CAS.

http://379418-web1.restudy.dk/video/play/id/399

den kan jeg ikk åbne!!!!!!

#0

Et eksempel på et CAS-værktøj er netop TI-89. 

En tommelfingerregel angående R²:

Er R² over 0,95, kaldes sammenhængen for acceptabel.

Er R² over 0,99, kaldes sammenhængen for god. 
 

#3

mange taaaak.. nu er jeg med i det :)

men mangler kun forklaring til hvad modellens begrænsninger er

R² giver udtryk for hvor megen varians modelvariablerne forklarer. Dvs. når R² = .45, så forklarer variablerne i regressionsmodellen 45% af variansen. De resterende 55% varians skyldes fejlvarians, og uforklaret varians som skyldes variabler, som ikke er er en del af din regressionsmodel. R² bruges således for at vurdere modellens forklaringsgrad. Den maksimale forklaringsgrad er 100% (=> R² = 1.00). 

Modellens begrænsninger: En linear regression kan kun identificere lineare sammenhæng mellem uafhængige og afhængige variabler. Dvs. når sammenhænget mellem variablerne er fx u-formet eller ikke-linear, så vil regressionsmodellen ikke finde frem til en sammenhæng. Det kan ske at din regressionsformel tyder på, at der slet ingen sammenhæng mellem variablerne findes, selv om der rent faktisk er en u-formet sammenhæng.

En anden begrænsning er homoskedasticitet, og outliers i din dataset.

Et eksempel på en enkelt, univariat linear regression er højden og vægt hos børn: jo højere et barn er, jo tungere bliver vægten.

Et eksempel på en multivariat regression er sammenhænget mellem højden, og vægt og alder hos børn.

Gælder det også for eksponentiel & potens funktion?

Ja, det gælder alle sammenhæng, som ikke er linear. En linear regression kan kun klare lineare sammenhæng, i andet fald får du et forkert/ukorrekt resultat.