Análise de Regressão em Análise Estatística de Big Data

Regressão análise é usada para estimar a intensidade e direcção da relação entre as variáveis ​​que são linearmente relacionados uns aos outros. duas variáveis x e Y são referidos como sendo linearmente relacionadas se a relação entre eles pode ser escrita na forma

Y = mX + b

Onde

m é o declive, ou a mudança de Y devido a uma dada alteração na x

b é o interceptar, ou o valor de Y quando x = 0

Como um exemplo de análise de regressão, suponha que uma empresa quer determinar se os seus gastos com publicidade são, na verdade, aumentar os lucros e, em caso afirmativo, por quanto. A empresa reúne dados sobre a publicidade e lucros para os últimos 20 anos e usa esses dados para estimar a seguinte equação:

Y = 50 + 0,25x

Onde

Y representa os lucros anuais da empresa (em milhões de dólares).

x representa os gastos com publicidade anual da corporação (em milhões de dólares).

Nesta equação, a inclinação é igual a 0,25, e a intercepção é igual a 50. Porque a inclinação da linha de regressão é de 0,25, isto indica que, em média, para cada aumento de US $ 1 milhão em gastos com publicidade, os lucros aumentar em $ 0,25 milhões, ou US $ 250.000 . Porque a intercepção é de 50, isso indica que sem publicidade, os lucros ainda seria de R $ 50 milhões.

Esta equação, portanto, pode ser usado para prever lucros futuros com base em gastos com publicidade previstas. Por exemplo, se a empresa planeja gastar US $ 10 milhões em publicidade no próximo ano, seus lucros esperados será a seguinte:

Y = 50 + 0,25x

Y = 50 + 0,25 (10) = 50 + 2,5 + 52,5

Assim, com um orçamento de publicidade de US $ 10 milhões no próximo ano, os lucros são esperados para ser de US $ 52,5 milhões.