Contenido
Al ajustar una línea recta a un conjunto de datos, puede interesarle determinar qué tan bien se ajusta la línea resultante a los datos. Una forma de hacerlo es calcular el error de suma de cuadrados (SSE). Este valor proporciona una medida de qué tan bien la línea de mejor ajuste se aproxima al conjunto de datos. El SSE es importante para el análisis de datos experimentales y se determina a través de unos pocos pasos cortos.
Encuentre una línea de mejor ajuste para modelar los datos mediante regresión. La línea de mejor ajuste tiene la forma y = ax + b, donde a y b son parámetros que debe determinar. Puede encontrar estos parámetros utilizando un análisis de regresión lineal simple. Por ejemplo, suponga que la línea de mejor ajuste tiene la forma y = 0.8x + 7.
Use la ecuación para determinar el valor de cada valor y predicho por la línea de mejor ajuste. Puede hacer esto sustituyendo cada valor de x en la ecuación de la línea. Por ejemplo, si x es igual a 1, sustituyendo eso en la ecuación y = 0.8x + 7 da 7.8 para el valor y.
Determine la media de los valores predichos a partir de la línea de la ecuación de mejor ajuste. Puede hacer esto sumando todos los valores y pronosticados a partir de las ecuaciones y dividiendo el número resultante por el número de valores. Por ejemplo, si los valores son 7.8, 8.6 y 9.4, sumar estos valores da 25.8, y dividir este número por el número de valores, 3 en este caso, da 8.6.
Resta cada uno de los valores individuales de la media y eleva al cuadrado el número resultante. En nuestro ejemplo, si restamos el valor 7.8 de la media 8.6, el número resultante es 0.8. Cuadrar este valor da 0,64.
Suma todos los valores al cuadrado del Paso 4. Si aplica las instrucciones en el Paso 4 a los tres valores en nuestro ejemplo, encontrará valores de 0.64, 0 y 0.64. Sumar estos valores da 1.28. Este es el error de suma de cuadrados.