php数据库画出回归直线 sql 回归分析

知道回归方程，怎样用Excel求回归直线的图表

excel绘制标准曲线全图片教程

站在用户的角度思考问题，与客户深入沟通，找到塔什库尔干塔吉克网站设计与塔什库尔干塔吉克网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：网站设计、网站制作、企业官网、英文网站、手机端网站、网站推广、域名注册、雅安服务器托管、企业邮箱。业务覆盖塔什库尔干塔吉克地区。

(老是不会，老是要去找，所以发上来备份，哈哈)

excel绘制标准曲线全图片教程

coolautumn

随着计算机的日益普及，越来越多的检验工作者希望能从一些烦琐的工作中解脱出来，如：绘制标准曲线、绘制质控图、计算检测值等等。当然借助检验科办公系统理论上是最方便的，但很多单位是没有检验科办公系统的。其实借助microsoft的excel电子表格工具对检验工作也会带来很大的便利。

excel是microsoft

offices系统的重要组成，它是界于word字处理软件与access数据库软件之间的电子表格工具，功能十分强大，特别适合于日常工作使用。使用得好，完全比目前所有的检验科办公系统优秀。

现就先介绍一下如何使用excel绘制标准曲线。

首先，将数据整理好输入excel，并选取完成的数据区，并点击图表向导，如下图所示。

点击图表向导后会运行图表向导如下图，先在图表类型中选“xy散点图”，并选了图表类型的“散点图”（第一个没有连线的）。　

点击“下一步”，出现如下图界面。如是输入是如本例横向列表的就不用更改，如果是纵向列表就改选“列”。

如果发现图不理想，就要仔细察看是否数据区选择有问题，如果有误，可以点击“系列”来更改，如下图。

如果是x值错了就点击它文本框右边的小图标，结果如下图：

出现上图后，如图在表上选取正确的数据区域。然后点击“下一步”出现图表选项界面，如下图，上应调整选项，以满足自己想要的效果。

点击“下一步”，现在一张带标准值的完整散点图就已经完成，如下图。

完成了散点图，现在需要根据数据进行回归分析，计算回归方程，绘制出标准曲线。其实这很简单，先点击图上的标准值点，然后按右键，点击“添加趋势线”。如下图。

由于本例是线性关系，在类型中选“线性”如下图

点击“确定”，标准曲线就回归并画好了。

标准曲线是画好了，可是我们怎么知道回归后的方程是什么样呢？这了简单，点击趋势线（也就是我们说的标准曲线）然后按右键，选趋势线格式，如下图：

在显示公式和显示r平方值（直线相关系数）前点一下，勾上。再点确定。好了，现在公式和相关系数都出来了。如图：呵r的平方达0.996，线性相当好。

可是有时候有的项目是成指数增加的，散点图如下图，

从上图看并不值关，除了最大的一个点外其余的几乎都成了直线。这不难理解，对于10000000而言，10与10000都差不了多少。因此我们平时常使用半对数坐标纸画图。对于excel也可以，先点中y坐标轴，再按右键，选“坐标轴格式”如下图

将左下方的对数刻度选中，确定。完整的一个半对数标准曲线就做好了。

利用excel制作标准曲线简单吧？如果认真调整参数可以得到不同的效果，大家多研究一下

如何利用数据画线性回归方程？

（1）用所给样本求出两个相关变量的(算术）平均值： x_=(x1+x2+x3+...+xn)/n y_=(y1+y2+y3+...+yn)/n ；（2）分别计算分子和分母：（两个公式任选其一） 分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_ 分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2 3)来计算 b。

拓展资料：线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。  线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。

b=分子  /  分母  用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解。其中 ，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差.。

线性回归方程模型：1、线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在回归中最小化最小二乘损失函数的乘法。2、相反，最小二乘逼近可以用来拟合那些非线性的模型。因此，尽管最小二乘法和线性模型是紧密相连的，但他们是不能划等号的。

线性回归方程的求法：

第一：用所给样本求出两个相关变量的(算术）平均值

第二：分别计算分子和分母

第三：计算b：b=分子/分母用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零。先求x,y的平均值X,Y。再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。后把x,y的平均数X，Y代入a=Y-bX。求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)

个人建议：线性回归是利用数理统计中的回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法，是变量间的相关关系中最重要的一部分，主要考查概率与统计知识，考察学生的阅读能力、数据处理能力及运算能力，题目难度中等，应用广泛

回归直线方程的公式

计算方法：

回归直线的求法通常是最小二乘法：离差作为表示xi对应的回归直线纵坐标y与观察值yi的差，其几何意义可用点与其在回归直线竖直方向上的投影间的距离来描述。

数学表达:Yi-y^=Yi-a-bXi.总离差不能用n个离差之和来表示，通常是用离差的平方和即(Yi-a-bXi)^2计算。即作为总离差，并使之达到最小，这样回归直线就是所有直线中除去最小值的那一条。这种使“离差平方和最小”的方法，叫做最小二乘法。用最小二乘法求回归直线方程中的a,b有图一和图二所示的公式进行参考。其中，  和  如图三所示，且  称为样本点的中心。

①式：

扩展资料

方法

以最简单的一元线性模型来解释最小二乘法。什么是一元线性模型呢？监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。对于二维空间线性是一条直线；对于三维空间线性是一个平面，对于多维空间线性是一个超平面。

对于一元线性回归模型, 假设从总体中获取了n组观察值（X1，Y1），（X2，Y2）， …，（Xn，Yn）。对于平面中的这n个点，可以使用无数条曲线来拟合。要求样本回归函数尽可能好地拟合这组值。综合起来看，这条直线处于样本数据的中心位置最合理。 选择最佳拟合曲线的标准可以确定为：使总的拟合误差（即总残差）达到最小。有以下三个标准可以选择：

1、用“残差和最小”确定直线位置是一个途径。但很快发现计算“残差和”存在相互抵消的问题。

2、用“残差绝对值和最小”确定直线位置也是一个途径。但绝对值的计算比较麻烦。

3、最小二乘法的原则是以“残差平方和最小”确定直线位置。用最小二乘法除了计算比较方便外，得到的估计量还具有优良特性。这种方法对异常值非常敏感。

参考资料：百度百科：最小二乘法

回归直线方程怎么求？

回归直线方程指在一组具有相关关系的变量的数据（x与Y）间，一条最好地反映x与y之间的关系直线。根据以下回归直线公式即可算出a和b的值。

拓展资料

在一组具有相关关系的变量的数据（x与Y）间，通过散点图我们可观察出所有数据点都分布在一条直线附近，这样的直线可以画出许多条。

而我们希望其中的一条最好地反映x与Y之间的关系，即我们要找出一条直线，使这条直线“最贴近”已知的数据点，记此直线方程为（如右所示，记为①式）这里在y的上方加记号“^”，是为了区分Y的实际值y，表示当x取值Xi=1，2，……，6）时，Y相应的观察值为Yi，而直线上对应于Yi的纵坐标是　①式叫做Y对x的回归直线方程，相应的直线叫做回归直线，b叫做回归系数。