{"id":318,"date":"2023-08-02T14:06:03","date_gmt":"2023-08-02T14:06:03","guid":{"rendered":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/"},"modified":"2023-08-02T14:06:03","modified_gmt":"2023-08-02T14:06:03","slug":"lineaire-regressie-1","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/","title":{"rendered":"Lineaire regressie"},"content":{"rendered":"<p>In dit artikel wordt uitgelegd wat lineaire regressie is en waarvoor het in de statistiek wordt gebruikt. Bovendien kunt u zien hoe de twee soorten lineaire regressie worden berekend: eenvoudige lineaire regressie en meervoudige lineaire regressie.<\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfque-es-la-regresion-lineal\"><\/span> Wat is lineaire regressie?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> <strong>Lineaire regressie<\/strong> is een statistisch model dat een of meer onafhankelijke variabelen relateert aan een afhankelijke variabele. Simpel gezegd is lineaire regressie een techniek die wordt gebruikt om een vergelijking te vinden die de relatie tussen een of meer verklarende variabelen en een responsvariabele benadert.<\/p>\n<p> De vergelijking y=2+5x <sub>1<\/sub> -3x <sub>2<\/sub> +8x <sub>3<\/sub> is bijvoorbeeld een lineair regressiemodel omdat het wiskundig drie onafhankelijke variabelen (x <sub>1<\/sub> , x <sub>2<\/sub> , x <sub>3<\/sub> ) in verband brengt met een afhankelijke variabele (y) en bovendien de relatie tussen de variabelen is lineair.<\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"tipos-de-regresion-lineal\"><\/span>Soorten lineaire regressie<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Er zijn twee <strong>soorten lineaire regressie<\/strong> :<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:20px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Eenvoudige lineaire regressie<\/strong> : een enkele onafhankelijke variabele is gekoppeld aan een afhankelijke variabele. De vergelijking voor dit type lineair regressiemodel heeft daarom de vorm y=\u03b2 <sub>0<\/sub> +\u03b2 <sub>1<\/sub> x <sub>1<\/sub> .<\/span><\/li>\n<li style=\"margin-bottom:20px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Meervoudige lineaire regressie<\/strong> : het regressiemodel heeft verschillende verklarende variabelen en een responsvariabele. Daarom heeft de vergelijking voor dit type lineair regressiemodel de vorm y=\u03b2 <sub>0<\/sub> +\u03b2 <sub>1<\/sub> x <sub>1<\/sub> +\u03b2 <sub>2<\/sub> x <sub>2<\/sub> \u2026+\u03b2 <sub>m<\/sub> x <sub>m<\/sub> .<\/span> <\/li>\n<\/ul>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"regresion-lineal-simple\"><\/span> eenvoudige lineaire regressie<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> <strong>Eenvoudige lineaire regressie<\/strong> wordt gebruikt om \u00e9\u00e9n onafhankelijke variabele aan beide variabelen te relateren.<\/p>\n<p> De vergelijking van een eenvoudig lineair regressiemodel is een rechte lijn en bestaat daarom uit twee co\u00ebffici\u00ebnten: de constante van de vergelijking (\u03b2 <sub>0<\/sub> ) en de correlatieco\u00ebffici\u00ebnt tussen de twee variabelen (\u03b2 <sub>1<\/sub> ). Daarom is de vergelijking voor een eenvoudig lineair regressiemodel y=\u03b2 <sub>0<\/sub> +\u03b2 <sub>1<\/sub> x.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-83e43f626a469e9de3d5ecfed9a216ac_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1x\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"100\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p> De <strong>formules voor het berekenen van eenvoudige lineaire regressieco\u00ebffici\u00ebnten<\/strong> zijn als volgt:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-459281504d26f92756115054ef567021_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{array}{c}\\beta_1=\\cfrac{\\displaystyle \\sum_{i=1}^n (x_i-\\overline{x})(y_i-\\overline{y})}{\\displaystyle \\sum_{i=1}^n (x_i-\\overline{x})^2}\\\\[12ex]\\beta_0=\\overline{y}-\\beta_1\\overline{x}\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"176\" width=\"192\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p style=\"margin-bottom:5px\"> Goud:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c5ba513cc7e504bc674f76afa70a3442_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_0\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"17\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de constante van de regressielijn.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dff50ab66b848b910ea781069cba1094_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_1\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"16\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de helling van de regressielijn.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> is de waarde van de onafhankelijke variabele X van gegevens i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-761333a1d61654bd1cb5c7224b0d1994_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y_i\" title=\"Rendered by QuickLaTeX.com\" height=\"12\" width=\"14\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de waarde van de afhankelijke variabele Y van gegevens i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-a39858a792fb4fe9a3173e004701f2a7_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\overline{x}\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"11\" style=\"vertical-align: 0px;\"><\/p>\n<p> is het gemiddelde van de waarden van de onafhankelijke variabele<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ed5becac4ccb36fec040f449ba9fa52d_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\overline{y}\" title=\"Rendered by QuickLaTeX.com\" height=\"15\" width=\"10\" style=\"vertical-align: -4px;\"><\/p>\n<p> is het gemiddelde van de waarden van de afhankelijke variabele Y. <\/li>\n<\/ul>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Zie:<\/strong> <a href=\"https:\/\/statorials.org\/nl\/eenvoudige-lineaire-regressie\/\">Concreet voorbeeld van eenvoudige lineaire regressie<\/a> <\/div>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"regresion-lineal-multiple\"><\/span> Meerdere lineaire regressie<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> In een <strong>meervoudig lineair regressiemodel<\/strong> worden ten minste twee onafhankelijke variabelen opgenomen. Met andere woorden, meervoudige lineaire regressie maakt het mogelijk dat verschillende verklarende variabelen lineair aan een responsvariabele worden gekoppeld.<\/p>\n<p> De vergelijking voor een meervoudig lineair regressiemodel is y=\u03b2 <sub>0<\/sub> +\u03b2 <sub>1<\/sub> x <sub>1<\/sub> +\u03b2 <sub>2<\/sub> x <sub>2<\/sub> +\u2026+\u03b2 <sub>m<\/sub> x <sub>m<\/sub> +\u03b5.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-fd3ba8386b5954b654ca555774108ac0_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1 x_1+\\beta_2 x_2+\\dots+\\beta_m x_m+\\varepsilon\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"305\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p style=\"margin-bottom:5px\"> Goud:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-38461fc041e953482219abf5d4cce1cb_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y\" title=\"Rendered by QuickLaTeX.com\" height=\"12\" width=\"9\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de afhankelijke variabele.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> is de onafhankelijke variabele i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c5ba513cc7e504bc674f76afa70a3442_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_0\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"17\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de constante van de meervoudige lineaire regressievergelijking.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ff540c55c6ee8f10a1dab8e2422947ab_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_i\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"15\" style=\"vertical-align: -4px;\"><\/p>\n<p> is de regressieco\u00ebffici\u00ebnt die aan de variabele is gekoppeld<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> .<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-29b8f7fac5f2df4b101dff63e95516c5_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\bm{\\varepsilon}\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"8\" style=\"vertical-align: 0px;\"><\/p>\n<p> is de fout of het residu, dat wil zeggen het verschil tussen de waargenomen waarde en de door het model geschatte waarde.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-fdc40b8ad1cdad0aab9d632215459d28_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"m\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"15\" style=\"vertical-align: 0px;\"><\/p>\n<p> is het totale aantal variabelen in het model.<\/li>\n<\/ul>\n<p> Dus als we een monster hebben met een totaal van<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ec4217f4fa5fcd92a9edceba0e708cf7_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"n\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"11\" style=\"vertical-align: 0px;\"><\/p>\n<p> observaties kunnen we het meervoudige lineaire regressiemodel in matrixvorm opstellen:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-5848686c8ed0857f16e7e24e2a31024e_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{pmatrix}y_1\\\\y_2\\\\\\vdots\\\\y_n\\end{pmatrix}=\\begin{pmatrix}1&amp;x_{11}&amp;\\dots&amp;x_{1m}\\\\1&amp;x_{21}&amp;\\dots&amp;x_{2m}\\\\ \\vdots&amp;\\vdots&amp;\\ddots&amp;\\vdots\\\\1&amp;x_{n1}&amp;\\dots&amp;x_{nm}\\end{pmatrix}\\cdot\\begin{pmatrix}\\beta_0\\\\\\beta_1\\\\\\vdots\\\\\\beta_m\\end{pmatrix}+\\begin{pmatrix}\\varepsilon_1\\\\\\varepsilon_2\\\\\\vdots\\\\\\varepsilon_n\\end{pmatrix}\" title=\"Rendered by QuickLaTeX.com\" height=\"96\" width=\"370\" style=\"vertical-align: -43px;\"><\/p>\n<\/p>\n<p> De bovenstaande matrixuitdrukking kan worden herschreven door aan elke matrix een letter toe te wijzen:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-7614ddbb78ced2e2b8b6c7642d9969c3_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"Y=X\\beta+\\varepsilon\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"95\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p> Door het kleinste kwadratencriterium toe te passen, kunnen we dus tot de <strong>formule komen om de co\u00ebffici\u00ebnten van een meervoudig lineair regressiemodel te schatten<\/strong> :<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-b6ef097cee722e7355fa4eb77b7ea3e5_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\widehat{\\beta}=\\left(X^tX\\right)^{-1}X^tY\" title=\"Rendered by QuickLaTeX.com\" height=\"26\" width=\"146\" style=\"vertical-align: -7px;\"><\/p>\n<\/p>\n<p> De toepassing van deze formule is echter zeer bewerkelijk en tijdrovend. Daarom wordt in de praktijk aanbevolen om computersoftware (zoals Minitab of Excel) te gebruiken waarmee u veel sneller een meervoudig regressiemodel kunt maken. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Zie:<\/strong> <a href=\"https:\/\/statorials.org\/nl\/meervoudige-lineaire-regressie-1\/\">Een meervoudig lineair regressiemodel interpreteren<\/a> <\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"supuestos-de-la-regresion-lineal\"><\/span> Lineaire regressieaannames<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> In een lineair regressiemodel moet aan de volgende voorwaarden worden voldaan om het model geldig te laten zijn:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Onafhankelijkheid<\/strong> : De residuen moeten onafhankelijk van elkaar zijn. Een gebruikelijke manier om de onafhankelijkheid van het model te garanderen, is door willekeur aan het steekproefproces toe te voegen.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Homoscedasticiteit<\/strong> : Er moet homogeniteit zijn in de varianties van de residuen, dat wil zeggen dat de variabiliteit van de residuen constant moet zijn.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Niet-multicollineariteit<\/strong> : de verklarende variabelen die in het model zijn opgenomen, kunnen niet aan elkaar worden gekoppeld, of hun relatie moet op zijn minst zeer zwak zijn.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Normaliteit<\/strong> : De residuen moeten normaal verdeeld zijn, of met andere woorden, ze moeten een normale verdeling volgen met een gemiddelde van 0.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Lineariteit<\/strong> : er wordt aangenomen dat de relatie tussen de responsvariabele en de verklarende variabelen lineair is.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfpara-que-sirve-la-regresion-lineal\"><\/span> Waar wordt lineaire regressie voor gebruikt?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Lineaire regressie heeft in principe twee toepassingen: lineaire regressie wordt gebruikt om de relatie tussen de verklarende variabelen en de responsvariabele te verklaren, en op vergelijkbare wijze wordt lineaire regressie gebruikt om de waarde van de afhankelijke variabele voor een nieuwe waarneming te voorspellen.<\/p>\n<p> Door de vergelijking van het lineaire regressiemodel te verkrijgen, kunnen we weten welk type relatie er bestaat tussen de variabelen in het model. Als de regressieco\u00ebffici\u00ebnt van een onafhankelijke variabele positief is, zal de afhankelijke variabele toenemen wanneer deze toeneemt. terwijl als de regressieco\u00ebffici\u00ebnt van een onafhankelijke variabele negatief is, de afhankelijke variabele zal afnemen als deze toeneemt.<\/p>\n<p> Aan de andere kant maakt de vergelijking berekend in lineaire regressie het ook mogelijk om waardevoorspellingen te doen. Door de waarden van de verklarende variabelen in de modelvergelijking te introduceren, kunnen we dus de waarde van de afhankelijke variabele voor een nieuw stuk gegevens berekenen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>In dit artikel wordt uitgelegd wat lineaire regressie is en waarvoor het in de statistiek wordt gebruikt. Bovendien kunt u zien hoe de twee soorten lineaire regressie worden berekend: eenvoudige lineaire regressie en meervoudige lineaire regressie. Wat is lineaire regressie? Lineaire regressie is een statistisch model dat een of meer onafhankelijke variabelen relateert aan een [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"class_list":["post-318","post","type-post","status-publish","format-standard","hentry","category-statistieken"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u25b7 Lineaire regressie<\/title>\n<meta name=\"description\" content=\"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u25b7 Lineaire regressie\" \/>\n<meta property=\"og:description\" content=\"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-02T14:06:03+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-83e43f626a469e9de3d5ecfed9a216ac_l3.png\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\",\"url\":\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\",\"name\":\"\u25b7 Lineaire regressie\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-08-02T14:06:03+00:00\",\"dateModified\":\"2023-08-02T14:06:03+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Lineaire regressie\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u25b7 Lineaire regressie","description":"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/","og_locale":"de_DE","og_type":"article","og_title":"\u25b7 Lineaire regressie","og_description":"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.","og_url":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/","og_site_name":"Statorials","article_published_time":"2023-08-02T14:06:03+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-83e43f626a469e9de3d5ecfed9a216ac_l3.png"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"4\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/","url":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/","name":"\u25b7 Lineaire regressie","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-08-02T14:06:03+00:00","dateModified":"2023-08-02T14:06:03+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Hier vindt u wat lineaire regressie is, soorten lineaire regressie (enkele en meervoudige lineaire regressie) en lineaire regressieformules.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/lineaire-regressie-1\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Lineaire regressie"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=318"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/318\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=318"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=318"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}