User Manual
6-18
u Cálculo do coeficiente da determinação de (r
2
) e MSe
Você pode usar o modo STAT para calcular o coeficiente de determinação (r
2
) para regressão
quadrática, regressão cúbica, e regressão quártica. Os tipos seguintes de cálculos MSe estão
também disponíveis para cada tipo de regressão.
• Regressão linear (
ax + b ) ...............
(
a + bx ) ...............
• Regressão quadrática ....................
• Regressão cúbica ...........................
• Regressão quártica ........................
• Regressão logarítmica ...................
• Regressão exponencial (
a · e
bx
) .......
(
a · b
x
) ........
• Regressão de potência ..................
• Regressão de seno ........................
• Regressão logística ........................
u Cálculo do valor estimado para gráficos de regressão
O modo STAT também inclui a função Y-CAL que usa a regressão para calcular o valor y
estimado para um valor x particular depois da representação gráfica de uma regressão
estatística de variável binária.
O seguinte é o procedimento geral para a função Y-CAL.
1. Depois de desenhar um gráfico de regressão, prima !5(G-SLV) 1(Y-CAL) para entrar
no modo de seleção do gráfico, e de seguida prima w.
Caso existam vários gráficos na tela, prima f e c para selecionar o gráfico que deseja,
e prima w.
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
Σ
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
Σ
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
Σ
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
Σ
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
Σ
1
n – 5
i=1
n
(yi – (axi
4
+ bxi
3
+ cxi
+ dxi
+ e))
2
2
M
Se =
Σ
1
n – 5
i=1
n
(yi – (axi
4
+ bxi
3
+ cxi
+ dxi
+ e))
2
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =
Σ
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2
M
Se =
Σ
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2