Inhaltsverzeichnis
Werbung
Quadratische Regression
Modellformel .........
a
.......... Zweiter Regressionskoeffizient
b
.......... Erster Regressionskoeffizient
c
.......... Konstanter Term des
Regressionskoeffizienten
y
(
-Achsenabschnitt)
Quartische Regression
Modellformel .........
a
.......... Vierter Regressionskoeffizient
b
.......... Dritter Regressionskoeffizient
c
.......... Zweiter Regressionskoeffizient
d
.......... Erster Regressionskoeffizient
e
.......... Regressionskonstante (Schnittstelle mit der
Logarithmische Regression (quasilineare Regression)
Die logarithmische Regression beschreibt die abhängige Variable
x
von
. Die Standardformel für die logarithmische Regression lautet
bei einer Transformation von X = In
wird (quasilineare Regression).
Nachfolgend ist die Modellformel für die logarithmische
Regression aufgeführt.
y
a
b
x
=
+
·ln
a
.............. Regressionskonstante
b
.............. Regressionskoeffizient
Exponentielle Regression (quasilineare Regression)
Die exponentielle Regression beschreibt die abhängige Variable
x
von
. Die Standardformel für die exponentielle Regression lautet
y
a
bx
In
= In
+
erhält, wenn beide Seiten der Modellgleichung logarithmiert werden. Falls man
y
dann Y = In
und A = In
(quasilineare Regression).
Nachfolgend ist die Modellformel für die exponentielle
Regression aufgeführt.
bx
y
a
e
=
·
a
.............. Regressionskoeffizient
b
.............. Regressionskoeffizient des Exponenten
y
ax
bx
c
2
=
+
+
y
ax
bx
cx
=
4
+
3
+
2
+
x
die Formel
(CALC)
( )
(Log)
(DRAW)
a
setzt, erhält man die Formel Y = A +
(CALC)
( )
(Exp)
aeˆbx
abˆx
(
) oder
(
(DRAW)
Kubische Regression
Modellformel .........
a
.......... Dritter Regressionskoeffizient
b
.......... Zweiter Regressionskoeffizient
c
.......... Erster Regressionskoeffizient
d
.......... Konstanter Term des
Regressionskoeffizienten
y
(
dx
e
+
y
-Achse, Absolutglied)
y
a
b
=
+
X für die lineare Regression erhalten
)
6-13
13
y
ax
bx
3
2
=
+
+
-Achsenabschnitt)
y
als Logarithmusfunktion
y
a
b
x
=
+
× In
, so dass
y
als Exponentialfunktion
bx
y
a
e
=
×
, so dass man
bx
für die lineare Regression
cx
d
+
Quicklinks ausblenden:
Werbung
Inhaltsverzeichnis
