Linear Regression Calculator

Exam Questions – Regression

• 1)
  
  View Solution
• 2)
  
  View Solution
  Part (a):

  Part (b):

  Part (c):
• 3)
  
  View Solution
• 4)
  
  View Solution
• 5)
  
  View Solution
• 6)
  
  View Solution
• 7)
  
  View Solution
• 8)
  
  View Solution

linear relationship

Review

If the plot of n pairs of data (x , y) for an experiment appear to indicate a "linear relationship" between y and x, then the method of least squares may be used to write a linear relationship between x and y.
The least squares regression line is the line that minimizes the sum of the squares (d1 + d2 + d3 + d4) of the vertical deviation from each data point to the line (see figure below as an example of 4 points).

Figure 1. Linear regression where the sum of vertical distances d1 + d2 + d3 + d4 between observed and predicted (line and its equation) values is minimized.

The least square regression line for the set of n data points is given by the equation of a line in slope intercept form:
y = a x + b
where a and b are given by

Figure 2. Formulas for the constants a and b included in the linear regression .

• Problem 1

  Consider the following set of points: {(-2 , -1) , (1 , 1) , (3 , 2)}
  a) Find the least square regression line for the given data points.
  b) Plot the given points and the regression line in the same rectangular system of axes.

• Problem 2

  a) Find the least square regression line for the following set of data
  
  {(-1 , 0),(0 , 2),(1 , 4),(2 , 5)}
  b) Plot the given points and the regression line in the same rectangular system of axes.

• Problem 3

  The values of y and their corresponding values of y are shown in the table below
  

  x	0	1	2	3	4
  y	2	3	5	4	6

  
  a) Find the least square regression line y = a x + b.
  b) Estimate the value of y when x = 10.

• Problem 4

  The sales of a company (in million dollars) for each year are shown in the table below.
  

  x (year)	2005	2006	2007	2008	2009
  y (sales)	12	19	29	37	45

  
  

  
  
  a) Find the least square regression line y = a x + b.
  b) Use the least squares regression line as a model to estimate the sales of the company in 2012. 

Solution

Examples for Descriptive Statistics

Examples for

Descriptive Statistics

Descriptive statistics are statistical measures of a dataset that describe, characterize and summarize its properties, such as shape, variability, size and central location. Wolfram|Alpha's rigorous statistical algorithms enable you to compute and characterize the properties of your data with lightning-fast speed.

Summary Statistics

Compute elementary descriptive statistics summarizing the properties of a dataset, such as maximum and minimum values or number of entries.

Calculate basic descriptive statistics for a dataset:

{25, 35, 10, 17, 29, 14, 21, 31}

More examples

---

Measures of Central Tendency

Compute common measures of central tendency, such as mean, median and mode, for a dataset.

Compute the mean of a dataset:

mean {21.3, 38.4, 12.7, 41.6}

Compute the median:

median 98.17, 112.3, 102.6, 94.3, 108.1

Compute the geometric mean:

geometric mean 12, 17

More examples

GO FURTHER

Step-by-Step Solutions for Statistics

Statistics Web App

Free Unlimited Statistics Practice Problems

RELATED EXAMPLES

• Random Variables
• Statistical Inference

RELATED WOLFRAM RESOURCES

• Wolfram Language: Descriptive Statistics

Measures of Dispersion

Compute the measures of dispersion, such as variance or standard deviation, for a dataset.

Compute the variance:

variance {21.3, 38.4, 12.7, 41.6}

Compute the standard deviation:

standard deviation 98.17, 112.3, 102.6, 94.3, 108.1

More examples

---

Other Descriptive Statistics

Compute other common descriptive statistics, such as skewness and kurtosis, for a dataset.

Compute the skewness:

skewness 98.17, 112.3, 102.6, 94.3, 108.1

Compute the kurtosis:

kurtosis {21.3, 38.4, 12.7, 41.6}

More examples

PORTAL Perangkaan

Portal Perangkaan

Kerja Kursus

Kerja Kursus

INSTITUT PENDIDIKAN GURU KAMPUS KAMPUS PENDIDIKAN TEKNIK  

TUGASAN KERJA KURSUS

TAHUN AKADEMIK: SEMESTER  1 / 2019

Program:  PPISMP	Nama Pelajar:
Kod: GSA1072	Semester / Tahun:  SEM 2 TAHUN 1
Nama Kursus: STATISTIK ASAS	Ambilan:  Jun 2018 Kumpulan:  MT / SN / RBT
Tugasan	Tarikh Mula	Tarikh Hantar
1. Laporan Kajian (800 patah perkataan)	28 Jan 2019	8 Mac 2019
2. Penulisan Reflektif (500 patah perkataan)	1 Mac 2019	15 Mac 2019
3. Kuiz 1	8 Mac 2019	8 Mac 2019
4. Kuiz 2	5 April 2019	5 April 2019

Hasil Pembelajaran Kursus:

Pada akhir kursus ini pelajar dapat :   

1.    menjelaskan kepentingan statistik dalam kehidupan seharian (C2, A3, LO1, LO4, CS1)

2.    membuat interpretasi perwakilan data, sukatan kecenderungan memusat dan serakan hasil  

            daripada analisis data yang telah dikumpul (C5, A4, LO3, LO6, CTPS3, LL1)

3.    mengaplikasi TMK dalam pengendalian data dan ukuran berangka (C3, A4, LO2, LO3, LO6,  

            CTPS3, LL1)

4.    menganalisis taburan normal sebagai model penyelesaian masalah (C4, A4, LO3,

            CTPS2)

Kerja kursus ini bagi menilai hasil pembelajaran  1, 2, 3, dan 4.

Objektif Kerja Kursus

Pelajar  dapat :

1. Mengenalpasti satu isu dalam kehidupan seharian.
2. Mengumpul, menyusun, mempersembahkan data serta menganalisis dan membuat kesimpulan.
3. Mengaplikasi konsep asas statistik dalam perlaksanaan kajian.
4. Mengaplikasi TMK dalam pengendalian data dan ukuran berangka.
5. Menghasilkan satu penulisan reflektif berkaitan dengan kajian secara keseluruhan.
6. Menjawab soalan Kuiz 1 dan 2 yang merangkumi topik 2, 3 dan 4.(CTS2)

TUGASAN  PROJEK

Petikan di atas merupakan satu contoh penggunaan konsep asas statistik dalam kehidupan seharian dan salah satu kepentingannya ialah dapat memudahkan pengendalian  data untuk membentuk suatu kesimpulan tentang suatu isu.

Berdasarkan contoh dalam petikan di atas, pelajar dikehendaki melaksanakan tugasan berikut:

Tugasan 1:    Laporan Kajian (800 patah perkataan)  (30%)

Buat satu tinjauan bagi mendapatkan data mengenai isu yang dipilih.  

1. Kumpul dan susun data dalam bentuk jadual taburan kekerapan yang sesuai. (sekurang-kurangnya 40 cerapan)
2. Buat analisis dengan menghitung

1. min, median, dan mod
2. julat, varians, dan sisihan piawai

3. Persembahkan data dengan menggunakan perwakilan visual yang sesuai.
4. Buat interpretasi hasil dapatan kajian tersebut dengan tepat.  
5. Gunakan perisian TMK yang sesuai untuk mewakilkan situasi berkaitan.

Tugasan 2:   Penulisan Reflektif (500 patah perkataan) (20%)

Buat satu laporan reflektif  berdasarkan dapatan kajian tinjauan anda. Penulisan reflektif perlu membanding beza dapatan praktikal dengan dapatan teori daripada sumber-sumber yang sahih.

Tugasan 3:    Kuiz 1- Topik 2 dan 3 (10 %)

Secara individu, anda diminta menjawab 2 soalan struktur  yang melibatkan tajuk Pengendalian data dan Ukuran Berangka merangkumi  2 soalan struktur dalam masa 30 minit.

Tugasan 4 :    Kuiz 1- Topik 4 (10 %)

Secara individu, anda diminta menjawab satu soalan struktur yang melibatkan tajuk Taburan Normal merangkumi  1 soalan struktur dalam masa 30 minit.

Arahan Perlaksanaan Tugasan

1.    Anda boleh bergerak secara kolaboratif untuk mengumpul maklumat.

2.    Format penulisan tugasan adalah seperti berikut:

a.    Font Arial

b.    Saiz huruf – 11

c.    Langkau 1.5 baris

3.    Sertakan  bibliografi menggunakan format APA terkini sekurang-kurangnya dari 5 rujukan terkini yang berkualiti.

4.    Amalan meniru kerja rakan dan plagiat tidak dibenarkan dan tindakan akan diambil.

5.    Muka depan kerja kursus merangkumi:

Nama Pelajar Angka Giliran No. Kad Pengenalan Kumpulan/Unit

Kod dan Nama Kursus Tajuk Tugasan Projek Nama Pensyarah Akademik Tarikh Hantar

6.    Tugasan ini membawa markah dengan wajaran 70 %   

Kriteria Pentaksiran

Tugasan akan disemak berdasarkan rubrik yang disediakan.

Tugasan disediakan oleh:                 Disemak oleh:

(Pn Tengku Noor Zima Tuan Jaffar)                       (Datin Norehan Mohamed Shaharoun)

Penyelaras Kursus MTE3132                  Pakar Bidang (SME)

Jabatan Matematik                          Jabatan Matematik

IPG Kampus Pendidikan Teknik                              IPG Kampus Pendidikan Teknik

Disahkan oleh:

(Dr. Wan Noor Adzmin Mohd Sabri)

Ketua Jabatan Matematik

Jabatan Matematik

IPG Kampus Pendidikan Teknik