User Manual

Table Of Contents
6-18
Los parámetros de esta pantalla representan lo mismo que los parámetros de los gráficos de
regresión lineal hasta regresión logística.
u Calculo del coeficiente de determinación (r
2
) y del MSe (Error cuadrático
medio)
En modo STAT puede calcular el coeficiente de determinación(r
2
) para las regresiones
cuadrática, cúbica y de cuarto orden. Están disponibles también, para cada tipo de regresión,
los cálculos de MSe siguientes:
Regresión lineal (
ax + b ) ................
(
a + bx ) ................
• Regresión cuadrática .....................
• Regresión cúbica ............................
Regresión de cuarto orden .............
• Regresión logarítmica ....................
Regresión exponencial (
a · e
bx
) ........
(
a · b
x
) .........
• Regresión potencial ........................
• Regresión sinusoidal ......................
• Regresión logística .........................
u Cálculo del valor estimado
El modo STAT incluye la función Y-CAL que utiliza una regresión para calcular el valor
estimado de y para un x particular luego de graficar una regresión de variables apareadas.
A continuación se muestra el procedimiento general para usar la función Y-CAL.
1. Luego de representar una gráfico de regresión, presione !5(G-SLV) 1(Y-CAL) para
ingresar al modo de selección gráfica y presione 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 sen (bxi + c) + d ))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a sen (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