User Manual

Kohteiden mรครคrรค: n* / Keskiarvo: ๐‘ฅ
โˆ’
*, ๐‘ฆ
โˆ’
/ Perusjoukon varianssi: ฯƒ
2
x
*,
ฯƒ
2
y
/ Perusjoukon keskihajonta: ฯƒ
x
*, ฯƒ
y
/ Otosvarianssi: s
2
x
*, s
2
y
/
Otoskeskihajonta: s
x
*, s
y
๎Œ๎€ƒ๎€‡(Variable) ๎€†โ€“๎€, ๎€ƒ๎€†โ€“๎€ƒ๎€ˆ
Minimiarvo: min(x)*, min(y) / Maksimiarvo: max(x)*, max(y)
Kun yhden muuttujan tilastolaskenta on valittu:
๎Œ๎€ƒ๎€ˆ(Min/Max) ๎€†, ๎€Š
Kun muuttujaparin tilastolaskenta on valittu:
๎Œ๎€ƒ๎€ˆ(Min/Max) ๎€†โ€“๎€‰
Ensimmรคinen kvartiili: Q
1
* / Mediaani: Med* / Kolmas kvartiili: Q
3
* (Vain
yhden muuttujan tilastolaskenta)
๎Œ๎€ƒ๎€ˆ(Min/Max) ๎€‡โ€“๎€‰
Regressiokertoimet: a, b / Korrelaatiokerroin: r / Arvioidut arvot: ๐‘ฅ
, ๐‘ฆ
๎Œ๎€ƒ๎€‰(Regression) ๎€†โ€“๎€Š
Neliรถllisen regression regressiokertoimet: a, b, c / Arvioidut arvot: ๐‘ฅ
1
, ๐‘ฅ
2
,
๐‘ฆ
๎Œ๎€ƒ๎€‰(Regression) ๎€†โ€“๎€‹
โ€ข ๐‘ฅ
, ๐‘ฅ
1
, ๐‘ฅ
2
ja ๐‘ฆ ovat kรคskytyyppejรค, joiden eteen liitetรครคn argumentti.
Esim. 2: Yhden muuttujan x = {1, 2, 2, 3, 3, 3, 4, 4, 5} tietojen syรถttรคminen
siten, ettรค Freq-sarakkeessa mรครคritellรครคn kunkin arvon esiintymiskerrat {x
n
;
freq
n
} = {1;1, 2;2, 3;3, 4;2, 5;1} ja lasketaan keskiarvo.
๎€ถ๎‹(SETUP)๎€ƒ๎€†(Statistics)๎€†(On)
๎Œ๎€†(Select Type)๎€†(1-Variable)
1๎€2๎€3๎€4๎€5๎€๎€ƒ๎€‚
1๎€2๎€3๎€2๎€
๎€€๎Œ๎€ƒ๎€‡(Variable)๎€†(๐‘ฅ
โˆ’
)๎€
3
Esim. 3: Logaritmisen regression korrelaatiokertoimien laskeminen sekรค
regressiokaavan mรครคrittely seuraaville muuttujaparien tiedoille: (x, y) = (20,
3150), (110, 7310), (200, 8800), (290, 9310). Mรครคritรค tuloksia varten Fix 3
(kolme desimaalia).
๎€ถ๎‹(SETUP)๎€ƒ๎€†(Statistics)๎€‡(Off)
๎€ถ๎‹(SETUP)๎€ˆ(Number Format)๎€†(Fix)๎€ˆ
๎Œ๎€†(Select Type)๎€‰(y=a+b๏ฝฅln(x))
20๎€110๎€200๎€290๎€๎€ƒ๎€‚
3150๎€7310๎€8800๎€9310๎€
๎€€๎Œ๎€ƒ๎€‰(Regression)๎€ˆ(r)๎€
0.998
๎€€๎Œ๎€ƒ๎€‰(Regression)๎€†(a)๎€
-3857.984
๎€€๎Œ๎€ƒ๎€‰(Regression)๎€‡(b)๎€
2357.532
Arvioitujen arvojen laskenta
Muuttujaparien tilastolaskennasta saadun regressiokaavan perusteella
voidaan laskea y:n arvioitu arvo annetulle x-arvolle. Vastaava x-arvo (kaksi
arvoa, x
1
ja x
2
, neliรถllisen regression tapauksessa) voidaan myรถs laskea y:n
arvolle regressiokaavassa.
Esim. 4: Arvioidun arvon mรครคrittelemiseksi y:lle kun x = 160
regressiokaavassa, jonka tuotti logaritmiregressio esimerkin 3 tiedoista.
Mรครคritetรครคn Fix 3 tulosta varten. (Suorita seuraava toiminto sen jรคlkeen, kun
olet pรครคttรคnyt esimerkin 3 toiminnot.)
16