线性关系定义 编辑

什么是线性关系?

线性关系(或线性关联)是一个统计术语,用于描述两个变量之间的直线关系。线性关系可以用图形格式表示,其中变量和常数通过直线连接,或者用数学格式表示,其中自变量乘以斜率系数,再加上常数,确定因变量。

线性关系可以与线性关系形成对比多项式的 或非线性(曲线)关系。

关键要点

  • 线性关系(或线性关联)是一个统计术语,用于描述两个变量之间的直线关系。
  • 线性关系可以用图形格式表示,也可以用y=mx+b形式的数学方程表示。
  • 线性关系在日常生活中相当常见。

线性方程为:

从数学上讲,线性关系满足以下等式:

 y=mx+b哪里:m=斜坡b=y截距egin{aligned}&y=mx+b&;textbf{where:}&m= ext{slope}&b= ext{y-intercept} end{aligned}y=mx+b哪里:m=斜坡b=y截距 

在这个方程中,“x”和“y”是两个变量,它们由参数“m”和“b”联系起来。从图形上看,y=mx+b在x-y平面上绘制为斜率为“m”且y-截距为“b”的直线。当x=0时,y-截距“b”只是“y”的值。斜率“m”是从任意两个单独的点(x)计算得出的11)和(x22 )作为:

 m=(y2y1)(x2x1)m=frac{(yu 2-yu 1)}{(xu 2-xu 1)}m=(x2−x1)(y2−y1) 

1:02

线性关系

线性关系告诉你什么?

一个方程要成为线性方程,必须满足三组必要的条件:一个表示线性关系的方程不能由两个以上的变量组成,一个方程中的所有变量必须是一次方,并且方程必须以直线形式表示。

常用的线性关系是相关性 ,它描述了一个变量的变化与另一个变量的变化之间的线性关系。

In计量经济学,线性回归 是一种常用的产生线性关系来解释各种现象的方法。它通常用于从过去推断事件来预测未来。然而,并非所有的关系都是线性的。有些数据描述曲线关系(如多项式关系),而有些数据不能参数化。

线性函数

线性函数的概念在数学上类似于线性关系。在一个变量中,线性函数可以写为:

 f(x)=mx+b哪里:m=斜坡b=y截距egin{aligned}&f(x)=mx+b&;textbf{where:}&;m= ext{slope}&;b= ext{y-intercept} end{aligned}f(x)=mx+b哪里:m=斜坡b=y截距 

这与线性关系的给定公式相同,只是用符号f(x)代替了y.这个替换是为了强调x映射到f(x)的含义,而y 简单地表示x和y是两个量,由A和B关联;

在线性代数的研究中,线性函数的性质得到了广泛的研究和严格的证明。给定一个标量C和R的两个向量a和BN,线性函数的最一般定义是: c&次数;f(A+B)=c&次数;f(A)+c&次数;f(B)c次f(A+B)=c次f(A)+c次f(B)c&次数;f(A+B)=c&次数;f(A)+c&次数;f(B) 

线性关系示例

例1

线性关系在日常生活中很常见。以速度为例。我们用来计算速度的公式如下:速度的比率是随着时间的推移所行驶的距离。如果有人开着一辆白色的2007款克莱斯勒城乡面包车,行驶在加州萨克拉门托和马里斯维尔之间,在99号高速公路上行驶了41.3英里,而整个行程只需40分钟,那么她的时速将略低于60英里。 

虽然这个方程中有两个以上的变量,但它仍然是一个线性方程,因为其中一个变量始终是常数(距离);

例2

在距离=速率x时间的方程中也可以找到线性关系。因为距离是一个正数(在大多数情况下),这种线性关系将用X和Y轴表示在图的右上象限。

如果一辆双人自行车以每小时30英里的速度行驶20个小时,那么骑手最终将行驶600英里。用Y轴上的距离和X轴上的时间以图形表示,一条追踪这20个小时的距离的直线将从汇聚 在X和Y轴上。

例3

为了将摄氏度转换成华氏度,或将华氏度转换成摄氏度,您可以使用下面的公式。这些方程表示图形上的线性关系:

 &度;C=59(&度;F32)度C=frac{5}{9}(degree F-32)&度;C=95(&度;F−32) 

 &度;F=95&度;C+32度F=frac{9}{5}degree C+32&度;F=59&度;C+32 

例4

假设自变量是房屋的大小(以平方英尺为单位),当它乘以207.65的斜率系数,然后加上10500美元的常数项时,它决定了房屋的市场价格(因变量)。如果一套房子的面积是1250平方英尺,那么房子的市场价值是(1250 x 207.65)+10500美元=270062.50美元。从图形和数学上看,它如下所示:

Julie Bang图片©Abcexchange 2019

在这个例子中,随着房屋面积的增加,房屋的市场价值呈线性增长。

两个对象之间的某些线性关系可以称为“比例关系”。这种关系显示为

 Y=k&次数;X哪里:k=常量Y,X=比例数量egin{aligned}&;Y=k imes X&;textbf{其中:}&;k= ext{constant}&Y,X= ext{比例量} end{aligned}Y=k&次数;X哪里:k=常量Y,X=比例数量 

在分析行为数据时,变量之间很少有完美的线性关系。然而,趋势线可以在数据中找到,这些数据形成了线性关系的粗略版本。例如,你可以把每天冰淇淋的销量和每天的高温作为两个变量放在一个图表中,找出两者之间的粗略线性关系。

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据

词条统计

浏览:57 次

字数:9761

最后编辑:6年前

编辑次数:0 次

    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文