User manual - fx-7400GII_Soft
6-1717
• Linjär regression (ax + b) ...............
(
a + bx) ...............
• Kvadratisk regression .....................
• Tredjegradsregression ....................
• Fjärdegradsregression ...................
• Logaritmisk regression ...................
• Exponentiell repression (
a·e
bx
)........
(
a·b
x
) ........
• Potensregression ............................
• Sinusregression ..............................
• Logistisk regression ........................
S Beräkning av uppskattat värde för regressionsgrafer
I läget STAT finns också en Y-CAL-funktion som använder regression för att beräkna det
uppskattade y-värdet för ett visst x-värde efter en statistisk regression med parade variabler.
Följande är den allmänna proceduren för att använda Y-CAL-funktionen.
1. När du har ritat en regressionsgraf trycker du på (G-SLV)(Y-CAL) för att växla till
läget för att välja graf. Tryck sedan på U.
Om flera grafer visas på displayen använder du D och A för att markera den önskade
grafen och trycker sedan på U.
• Detta gör att en inmatningsruta för
x-värdet visas.
2. Mata in önskat värde för
x och tryck sedan på U.
• Detta gör att koordinaterna för
x och y visas längst ned
på displayen och pekaren förflyttas till motsvarande
punkt på grafen.
M
Se =
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
1
n – 5
i=1
n
(y
i
– (ax
i
4
+ bx
i
3
+ cx
i
+ dx
i
+ e))
2
2
M
Se =
1
n – 5
i=1
n
(y
i
– (ax
i
4
+ bx
i
3
+ cx
i
+ dx
i
+ e))
2
2
M
Se =
1
n – 2
i=1
n
(yi – (a + b ln xi ))
2
M
Se =
1
n – 2
i=1
n
(yi – (a + b ln xi ))
2
M
Se =
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
1
n – 2
i=1
n
(y
i
– (a sin (bx
i
+ c) + d ))
2
M
Se =
1
n – 2
i=1
n
(y
i
– (a sin (bx
i
+ c) + d ))
2
M
Se =
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2
M
Se =
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2