डेटा के एक सेट के लिए एक सीधी रेखा को फिट करते समय, आपको यह निर्धारित करने में रुचि हो सकती है कि परिणामी रेखा डेटा को कितनी अच्छी तरह फिट करती है। ऐसा करने का एक तरीका है वर्गों के योग की गणना करें त्रुटि (एसएसई)। यह मान इस बात का माप प्रदान करता है कि सर्वोत्तम फ़िट की रेखा डेटा सेट का कितना अच्छा अनुमान लगाती है। एसएसई प्रयोगात्मक डेटा के विश्लेषण के लिए एक महत्वपूर्ण है और केवल कुछ छोटे चरणों के माध्यम से निर्धारित किया जाता है।
प्रतिगमन का उपयोग करके डेटा को मॉडल करने के लिए सबसे उपयुक्त की एक पंक्ति खोजें। सर्वोत्तम फिट की रेखा का रूप y = ax + b है, जहां a और b ऐसे पैरामीटर हैं जिन्हें आपको निर्धारित करने की आवश्यकता है। आप इन मापदंडों को एक साधारण रेखीय प्रतिगमन विश्लेषण का उपयोग करके पा सकते हैं। उदाहरण के लिए, मान लें कि सर्वोत्तम फिट की रेखा का रूप y = 0.8x + 7 है।
सर्वोत्तम फिट की रेखा द्वारा अनुमानित प्रत्येक y-मान का मान निर्धारित करने के लिए समीकरण का उपयोग करें। आप प्रत्येक x-मान को रेखा के समीकरण में प्रतिस्थापित करके ऐसा कर सकते हैं। उदाहरण के लिए, यदि x 1 के बराबर है, तो उसे समीकरण y = 0.8x + 7 में रखने पर y-मान के लिए 7.8 मिलता है।
सर्वोत्तम फिट समीकरण की रेखा से अनुमानित मानों का माध्य निर्धारित करें। आप समीकरणों से अनुमानित सभी y-मानों को जोड़कर और परिणामी संख्या को मानों की संख्या से विभाजित करके ऐसा कर सकते हैं। उदाहरण के लिए, यदि मान 7.8, 8.6 और 9.4 हैं, तो इन मानों का योग 25.8 देता है, और इस संख्या को मानों की संख्या से विभाजित करने पर, इस मामले में 3, 8.6 देता है।
माध्य से प्रत्येक व्यक्तिगत मान घटाएं, और परिणामी संख्या का वर्ग करें। हमारे उदाहरण में, यदि हम माध्य ८.६ से ७.८ के मान को घटाते हैं, तो परिणामी संख्या ०.८ होती है। इस मान का वर्ग करने पर 0.64 प्राप्त होता है।
चरण 4 से सभी चुकता मानों का योग करें। यदि आप चरण 4 में दिए गए निर्देशों को हमारे उदाहरण के तीनों मानों पर लागू करते हैं, तो आपको 0.64, 0 और 0.64 के मान मिलेंगे। इन मानों का योग करने पर 1.28 प्राप्त होता है। यह वर्ग त्रुटि का योग है।
