|
|
| Zeile 4: |
Zeile 4: |
| | | | |
| | [[Datei:20171118_Lieare_Regression_Skizze.jpg|500px|thumb|right|Lineare Regression]] | | [[Datei:20171118_Lieare_Regression_Skizze.jpg|500px|thumb|right|Lineare Regression]] |
| − |
| |
| − | ==PHP Funktion==
| |
| − |
| |
| − | <code>
| |
| − |
| |
| − | function linear_regression($x, $y) {
| |
| − |
| |
| − | // calculate number points
| |
| − | $n = count($x);
| |
| − |
| |
| − | // ensure both arrays of points are the same size
| |
| − | if ($n != count($y)) {
| |
| − | trigger_error("linear_regression(): Number of elements in coordinate arrays do not match.", E_USER_ERROR);
| |
| − | echo "<h1>Fehler: Anzahl von X und Y unterschiedlich!</h1>";
| |
| − | };
| |
| − |
| |
| − | $x_sum = array_sum($x);// calculate sums
| |
| − | $y_sum = array_sum($y);// calculate sums
| |
| − |
| |
| − | $xx_sum = 0;
| |
| − | $xy_sum = 0;
| |
| − |
| |
| − | for($i = 0; $i < $n; $i++) {
| |
| − | $xy_sum+=($x[$i]*$y[$i]);
| |
| − | $xx_sum+=($x[$i]*$x[$i]);
| |
| − | };
| |
| − |
| |
| − | //calculate slope m
| |
| − | $m = (($n * $xy_sum) - ($x_sum * $y_sum)) / (($n * $xx_sum) - ($x_sum * $x_sum));
| |
| − |
| |
| − | //calculate intercept b
| |
| − | $b = ($y_sum - ($m * $x_sum)) / $n;
| |
| − |
| |
| − | //returns array() m=>slope, b=>intercept
| |
| − | return array("m"=>$m, "b"=>$b);
| |
| − | };
| |
| − |
| |
| − | </code>
| |
Aktuelle Version vom 7. Juli 2019, 19:05 Uhr
Mit der linearen Regression wird aus einer Reihe von einzelnen Messdaten die Formel für eine Gerade berechnet, die relativ mittig durch diese Messdaten führt.
Vorraussetzung ist, dass die Messpunkte näherungsweise auf einer Gerade liegen.
