Casio FX-9860G - Handbuch (Seite 293)

20050401
k Logarithmische Regression (quasilineare Regression)
Die logarithmische Regression beschreibt die abhängige Variable y als Logarithmusfunktion
von x . Die Standardformel für die logarithmische Regression lautet y = a + b × ln x , so dass
bei einer Transformation von X = ln x die Formel y = a + b X für die lineare Regression
erhalten wird (quasilineare Regression).
1(CALC)6(g)2(Log)
6(DRAW)
Nachfolgend ist die Modellformel für die logarithmische
Regression aufgeführt.
y = a + b
•
ln x
a ............. Regressionskonstante
b ............. Regressionskoeffizient
r .............. Korrelationskoeffizient (der quasilinearen Regression)
r 2 ............ Bestimmtheitsmaß (der quasilinearen Regression)
MSe ........ mittlerer quadratischer Fehler (Restvarianz aus der Streuungszerlegung)
k Exponentielle Regression (quasilineare Regression)
Die exponentielle Regression beschreibt die abhängige Variable y als Exponentialfunktion
von x . Die Standardformel für die exponentielle Regression lautet y = a × e bx , so dass man
ln y = In a + bx erhält, wenn beide Seiten der Modellgleichung logarithmiert werden. Falls
man dann Y = In y und A = In a setzt, erhält man die Formel Y = A + bx für die lineare Re-
gression (quasilineare Regression).
1(CALC)6(g)3(Exp)
6(DRAW)
Nachfolgend ist die Modellformel für die exponentielle
Regression aufgeführt.
y = a
•
e bx
a ............. Regressionskoeffizient (Schnittstelle mit der y -Achse)
b ............. Regressionskoeffizient des Exponenten
r .............. Korrelationskoeffizient (der quasilinearen Regression)
r 2 ............ Bestimmtheitsmaß (der quasilinearen Regression)
MSe ........ mittlerer quadratischer Fehler (Restvarianz aus der Streuungszerlegung)
6-3-8
Berechnungen und grafische Darstellungen mit einer zweidimensionalen Stichprobe
20050401