İkinci Dereceden Regresyon Hesaplayıcı

📐 İkinci dereceden regresyon, bağımlı değişkenin düz bir çizgi yerine parabolik veya U şeklinde bir model izlediği ilişkileri modellemeye yönelik istatistiksel bir tekniktir. Genel denklem y = ax² + bx + c'dir; burada a parabolün eğriliğini ve yönünü kontrol eder (pozitif a yukarıya doğru açılır, negatif a aşağıya doğru açılır), b eğrinin doğrusal bileşenini veya eğimini temsil eder ve c y kesme noktasıdır; yani x sıfıra eşit olduğunda y'nin tahmin edilen değeri. Düz bir çizgiye uyan ve sabit bir değişim hızı varsayan doğrusal regresyonun aksine ikinci dereceden regresyon, değişim oranının kendisinin değiştiği, yani ilişkinin x değerleri aralığı boyunca hızlandığı veya yavaşladığı olguları yakalar. Bu, onu doğrusal regresyonun doğal bir uzantısı haline getirir: Doğrusal regresyon sabit bir eğimi modellerken ikinci dereceden regresyon, eğimin değişmesine izin veren ikinci bir terim ekleyerek tek bir dönüm noktasına (tepe noktasına) sahip bir eğri üretir. Gerçek dünyadan örnekler şunları içerir: (1) Fizik — mermi hareketi, yüksekliğin önce arttığı ve sonra zamanın bir fonksiyonu olarak azaldığı parabolik bir yay takip eder;

📈 (2) Ekonomi — maliyet fonksiyonları genellikle ortalama maliyetlerin ölçek ekonomileri nedeniyle önce azaldığı, ardından azalan getiriler nedeniyle arttığı bir U şekli sergiler;

📊 (3) Biyoloji — doz tepkisi etkinliğin optimum seviyeye kadar dozla arttığı ve ardından toksisite nedeniyle azaldığı eğriler;

🌍 (4) Tarım — gübre uygulamasına karşı ürün verimi, yüksek seviyelerde azalan ve sonuçta negatif getiri gösterir;

📊 (5) Psikoloji — Yerkes-Dodson yasası, uyarılma ve performans arasında ters bir U ilişkisini tanımlar. Üç katsayı a, b ve c, normal denklemlerin (x'in kuvvetlerinin toplamları ve y ile çapraz çarpımlardan oluşan üç doğrusal denklem sistemi) Gauss eleme veya matris yöntemleri kullanılarak çözülmesiyle belirlenir. En küçük kareler yöntemi, ortaya çıkan parabolün, gözlemlenen ve tahmin edilen y değerleri arasındaki dikey mesafelerin karelerinin toplamını en aza indirmesini ve verilere mümkün olan en iyi ikinci dereceden uyumu sağlamasını sağlar.