Fan nomi: Bioinformatika va biomexanika

Oddiy regressiya : Regressiya tahlili bashorat qilish qobiliyatining matematik ifodasini hisoblab chiqadi va grafikdagi chiziqning aniq chizmasini yaratishga imkon beradi. Regressiyada qaysi o'zgaruvchi boshqasini bashorat qilishini aniq ajratish kerak. Bashorat qiluvchi o'zgaruvchi (yoki tushuntirish o'zgaruvchisi) mustaqil o'zgaruvchi, ikkinchisi esa qaram yoki javob o'zgaruvchisi sifatida belgilanadi. 

Oddiy chiziqli regressiyada tenglama Y = a + b X ko'rinishda bo'ladi , bu erda X - bashorat qiluvchi o'zgaruvchi va Y - qaram o'zgaruvchi. Tenglamada ikkita koeffitsient mavjud: a - kesma va bchiziqning qiyaligini ifodalaydi. Ushbu koeffitsientlar regressiya tahlili va eng kichik kvadratlar usulidan foydalangan holda eng mos keladigan chiziqni tuzishda aniqlanadi . Bu tajriba nuqtalarining chiziqdan minimal masofada bo'lishini ta'minlaydi. Regressiya kuchining umumiy o'lchovi aniqlash koeffitsienti (R 2 ) bilan beriladi. Bu 1 ga qanchalik yaqin bo'lsa, ta'sir kuchliroq bo'ladi.Oddiy chiziqli regressiya Kycia va boshqalar tomonidan amalga oshirildi. Qayta ishlangan pishloqni baholash bo'yicha eksperimental ma'lumotlarni tahlil qilish uchun.

Ko'p regressiya : Bu usul oddiy regressiyaga o'xshaydi, u bitta qaram o'zgaruvchini, lekin ikki yoki undan ortiq mustaqil o'zgaruvchilarni o'z ichiga oladi. Bular va qaram o'zgaruvchi o'rtasidagi bog'liqlik o'rnatiladi. Tahlil qilishda, qaram o'zgaruvchini bashorat qilish, ehtimol, bir nechta o'lchovlarga asoslanadi va shuning uchun model yanada samaraliroq bo'lishi mumkin. Chiziqlilik asosiy ko'p regressiya modelida qabul qilinadi Y = a + b 1 X 1 + b 2 X 2 + ··· + b k X k, k mustaqil o'zgaruvchilar bilan. 

Har bir mustaqil o'zgaruvchi bog'liq o'zgaruvchining o'zgarishiga qo'shgan hissasi uchun tahlil qilinadi. Kichkina hissa qo'shadigan har qanday narsani olib tashlash mumkin va modelni bashorat qilish qobiliyatini yaxshilash uchun mosligini qayta baholash mumkin. Regressiya kuchining umumiy o'lchovi bir nechta aniqlash koeffitsienti ( R 2 ) bilan beriladi. Bu 1 ga qanchalik yaqin bo'lsa , ma'lumotlarga mos keladigan regressiya tenglamasi shunchalik yaxshi bo'ladi.