Análisis de regresión en R y Python.
La regresión es un método para estudiar la dependencia de una variable y de otra variable x. El método de análisis se basa en que la variable en estudio se puede describir mediante una función que depende de los valores de otra variable controlada. En otras palabras, conociendo los valores de X, se puede predecir con bastante precisión el valor correspondiente de y. Hay dos métodos de análisis de regresión: regresión lineal por pares y correlación múltiple.
En este artículo hablaremos sobre cómo realizar una regresión en los populares lenguajes de programación `R` y `Python`. También
La prueba de regresión es el proceso de buscar errores (bugs) dentro de una función utilizando un modelo matemático que predecirá el funcionamiento del programa independientemente de los parámetros de entrada seleccionados. Este tipo de prueba es muy precisa. La teoría de la predicción matemática se utiliza para encontrar fallas en el código.
El análisis de regresión es una rama de las matemáticas. Se basa en el estudio de las dependencias lineales entre variables: un cambio en una afecta a la otra. La dependencia lineal se expresa mediante una ecuación de la forma y = ax + b. Los coeficientes a y b se determinan mediante el método de mínimos cuadrados y expresan el comportamiento de error del modelo probado. El uso del método de mínimos cuadrados le permite encontrar no solo la línea de regresión en sí, sino también todos los puntos "propensos a desviarse" ubicados debajo de ella. Esto le permite crear una lista de puntos de datos peligrosos donde primero se deben implementar nuevas pruebas.
La esencia del algoritmo de regresión es aumentar continuamente el número de pruebas reproducibles utilizando técnicas de optimización y parámetros de prueba. El propósito del algoritmo es evaluar continuamente la cantidad de muestras producidas con respecto al plan de prueba generado. Todo esto se puede expresar mediante la fórmula:
n(i+1) = n(i) + ln(Error/n)/db(l)
La función J describe el número.