Casio FX-9750GII Bedienungsanleitung PDF herunterladen (Seite 163)

6-1212

I Grafik einer linearen Regression

Die lineare Regression verwendet die Methode der kleinsten Quadrate, um eine optimale

Gerade zu bestimmen, die möglichst nahe an vielen Datenpunkten liegt und Werte für den

Anstieg und den

y-Achsenabschnitt (y-Achsenabschnitt wenn x = 0).

Die grafische Darstellung dieses Zusammenhangs ist eine lineare Regressionsgrafik.

(CALC)(X)

(

ax+b) oder (a+bx)

(DRAW)

Nachfolgend ist die Modellformel für die lineare Regression

aufgeführt.

y = ax + b

.............Regressionskoeffizient (Anstieg)

b .............Regressionskonstante (Schnittstelle mit der y-Achse, Absolutglied)

y = a + bx

.............Regressionskonstante (Schnittstelle mit der y-Achse, Absolutglied)

b .............Regressionskoeffizient (Anstieg)

I Med-Med-Regression

Wenn extreme Werte (Ausreißer) im Datenmaterial vermutet werden, sollte eine Med-Med-

Regression anstelle der Methode der kleinsten Quadrate verwendet werden. Dies ist ähnlich

einer linearen Regression, wobei jedoch die Einflüsse extremer Werten reduziert werden.

(CALC)(Med)

(DRAW)

Nachfolgend ist die Modellformel für die Med-Med-

Regression aufgeführt.

y = ax + b

..............Anstieg der Med-Med-Regressionsgeraden

b ..............Med-Med-Regressionsgeraden-y-Achsenabschnitt

I Quadratische/Kubische/Quartische Regression

Eine quadratische/kubische/quartische Regression stellt einen nichtlinearen Ausgleich der

Datenpunkte eines Streudiagramms dar. Die Analyse beruht auf der Methode der kleinsten

Quadrate, um eine optimale Kurve zu erhalten, die möglichst nahe an vielen Datenpunkten

liegt. Die folgenden Formeln beschreiben die quadratische/kubische/quartische Regression.

Beispiel: Quadratische Regression

(CALC)(X^2)

(DRAW)

1 2 ... 158 159 160 161 162 163 164 165 166 167 168 ... 427 428

Keine Kommentare

Casio FX-9750GII Bedienungsanleitung Seite 163