【冯仁丰】学习EP06文件 5 直线回归统计基础

在进行线性评价文件学习中，有必要理解直线回归统计的意义。

为此，还必须向大家说一些直线回归统计。

在进行了线性实验评价后，对数据的处理采用了直线回归统计。将实验使用的样品内的分析物浓度设为x，对应实验得到的检测分析物浓度为y。将各个样品的成对数据绘制在x和y的坐标纸上。如果这些数据点相互间呈直线关系，可以在这些数据点上以直线回归统计方法，绘制一条直线。由于进行线性评价实验使用的样品浓度或各个样品间内分析物含量比值为已知。这正好与直线回归统计的假设相同。最小二乘法的直线回归统计方法的假设前提是：所有统计数据以x值为准，y值成为x的应变量。进行线性评估时，确实将x列为自变量，而得到的y，因x而异。而进行方法学比较时，比较的x和y是互相独立的，不存在y依赖x。因此，方法学比较使用直线回归统计的解释存在问题。

对线性数据进行直线回归统计后，得到了直线关系为：

多个x值按照大小分布在x的数轴上。均值居中，有95%的可能性，这组数据最小的为 均数-1.96s；最大的为 均数+1.96s。

因此，S_y·x很重要。可惜，我们在进行方法学比较中疏忽了它！

但是，在EP06-P线性评价中，它非常重要！