Zusammenfassung
Fausts Wunsch „… dass ich erkenne, was die Welt im Innersten zusammenhält …“ ist auch heute noch Inbegriff menschlichen Forschens; nämlich erstens die Beziehung zwischen Variablen zu entdecken und zu beschreiben und zweitens sie nach Ursache und Wirkung, Input und Output zu trennen. Im weitesten Sinne ist die Beschäftigung mit dieser Aufgabe das Thema dieses letzten Kapitels. Dabei werden wir ganz bescheiden uns allein mit linearen Zusammenhängen beschäftigen. Während Korrelationen lineare Zusammenhänge zwischen gleichartigen Variablen beschreiben, haben wir es in der Regressionsrechnung mit der Wirkung \(\mu\left(\boldsymbol{x}\right)\) einer determinierten Größe x auf eine davon abhängige Variable y zu tun. Unser Grundmodell ist
Dabei steht x für eine noch näher zu definierende ein- oder mehrdimensionale Variable.
Die geschätzte \(\mu(\boldsymbol{x})\)-Komponente soll „möglichst nah“ bei y liegen und der nicht erfasste Rest möglichst wenig mit der x-Komponente zu tun haben.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsAuthor information
Authors and Affiliations
Corresponding authors
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Karpfinger, C., Arens, T., Hettlich, F., Kockelkorn, U., Lichtenegger, K., Stachel, H. (2015). Lineare Regression – die Suche nach Abhängigkeiten. In: Mathematik. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-44919-2_41
Download citation
DOI: https://doi.org/10.1007/978-3-642-44919-2_41
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-642-44918-5
Online ISBN: 978-3-642-44919-2
eBook Packages: Life Science and Basic Disciplines (German Language)