Cómo calcular la pendiente y la intersecciónHola,
Me enfrento a 2 problemas al intentar calcular los valores de Pendiente e Intersección:
- No encontré una manera fácil de obtener la Pendiente y la intercepción, excepto el uso de "Bivariado + línea de ajuste"
- El uso de Bivariatein a loop parece dar como resultado una ejecución lenta del código: creo que crear una tabla y el archivo de ajuste asociado varias veces es muy lento
Mi pregunta: ¿hay alguna manera de obtener la pendiente y la intercepción sin usar el bivariante para ser más rápido?
Aquí está el código que uso en un bucle para extraer las pendientes y las intersecciones:
biv1 = Bivariate( Y( MyTab:X ), X( MyTab:Y ), Fit Line( {Line Color( "Red" )} ) );
colBox = Report( biv1 )[Number Col Box( 7 )];
beta = colBox << GetAsMatrix;
My_Slope = beta[2]; // slope
My_Intercept = beta[1]; // intercept
Close( MyTab, nosave );
);
Gracias.
Re: Como calcular la pendiente y el interceptoMe lo imaginé.
kXPlotDT = Report( kXPlot )["Parameter Estimates"][Table Box(1)] << Make Combined Data Table;
Saludos,
Ry
Re: Como calcular la pendiente y el interceptoHola, Ian,
He seguido su enfoque usando la variable 'Por' y siguiendo con la plataforma bivariada. No estoy seguro de la sintaxis correcta para que 'Crear tabla de datos combinados' funcione para varias líneas de ajuste.¿Puede usted ayudar?
kXPlot = dt << Bivariate( Y( :LMS_dX ), X( :X_Nominal ), By(Column(::bcol)), Fit Line());
kXPlotDT = kXPlot < ???
Gracias,
Ry
Re: Como calcular la pendiente y el interceptoEn lugar de tener un bucle, también podría considerar hacer una tabla grande con una variable 'Por', seguir con la plataforma Bivariante y luego usar 'Hacer tabla de datos combinados'. Sin embargo, espero que el enfoque matricial sea más rápido.
Re: Como calcular la pendiente y el interceptoGracias Ron,
Eso es lo que estaba buscando: implementaré y probaré el spead 
Re: Como calcular la pendiente y el interceptopara empezar, echa un vistazo a esta opción:
http://www.pega-analytics.co.uk/blog/linear-regression-matrix-form/
es una solución que ofrece David Burnham en su blog. usando cálculos matriciales logra altas velocidades para calcular los coeficientes de regresión.
mejor,
Ron
