Analisi di regressione in analisi statistica di Big Data - manichini

Regressione analisi < viene utilizzato per stimare la forza e la direzione della relazione tra le variabili linearmente correlate tra loro. Due variabili X e Y si dice che siano linearmente correlate se la relazione tra di esse può essere scritta nella forma Y

= > mX + b dove m

è la pendenza

, o la variazione in Y a causa di un dato cambiamento in > X

b è l'intercettazione

,

o il valore di Y quando X = 0 Come esempio dell'analisi di regressione, supponiamo che una società voglia determinare se le sue spese pubblicitarie stiano effettivamente aumentando i profitti e, in tal caso, da quanto. La società raccoglie dati su pubblicità e profitti negli ultimi 20 anni e utilizza questi dati per stimare la seguente equazione:

Y

= 50 + 0. 25

X

dove Y rappresenta i profitti annuali della società (in milioni di dollari).

X

rappresenta le spese pubblicitarie annuali della società (in milioni di dollari). In questa equazione, la pendenza è uguale a 0. 25, e l'intercetta equivale a 50. Poiché la pendenza della linea di regressione è 0. 25, questo indica che, in media, per ogni $ 1 milione di aumento delle spese pubblicitarie, i profitti aumentano di $. 25 milioni, o $ 250, 000. Poiché l'intercetta è 50, questo indica che senza pubblicità, i profitti sarebbero ancora $ 50 milioni.

Questa equazione, quindi, può essere utilizzata per prevedere gli utili futuri in base alle spese pubblicitarie programmate. Ad esempio, se la società prevede di spendere $ 10 milioni per la pubblicità il prossimo anno, i profitti attesi saranno i seguenti:

Y

= 50 + 0. 25

X

Y = 50 + 0. 25 (10) = 50 + 2. 5 + 52. 5 Quindi, con un budget pubblicitario di $ 10 milioni l'anno prossimo, i profitti dovrebbero essere $ 52. 5 milioni.