User manual - fx-9860GII_Soft

6-1111
I Lineaarinen regressiokuvaaja
Lineaarinen regressio käyttää pienimmän neliösumman menetelmää piirtämään suoran viivan,
joka kulkee mahdollisimman monen datapisteen läheltä ja palauttaa viivan kulmakertoimen
sekä y-akselin leikkauspisteen (y-koordinaatin, jossa x = 0) arvon.
Tämän graafinen esitys on lineaarinen regressiokuvaaja.
(CALC)(X)
(
ax+b) tai (a+bx)
(DRAW)
Seuraava on lineaarisen regressiomallin kaava.
y = ax + b
a
.............regressiokerroin (kulmakerroin)
b .............regression vakiotermi (y-akselin leikkauspiste)
y = a + bx
a
.............regression vakiotermi (y-akselin leikkauspiste)
b .............regressiokerroin (kulmakerroin)
I Mediaani-mediaani -kuvaaja
Kun on syytä olettaa, että ääriarvoja on useita, mediaani-mediaani -kuvaajaa voidaan käyttää
pienimmän neliösumman menetelmän sijaan. Tämä muistuttaa lineaarista regressiota, mutta
minimoi ääriarvojen vaikutukset.
(CALC)(Med)
(DRAW)
Seuraava on mediaani-mediaani -kuvaajamallin kaava.
y = ax + b
a
..............Mediaani-mediaani -kuvaajan kulmakerroin
b ..............Mediaani-mediaani -kuvaajan y-akselin leikkauspiste
I Toisen, kolmannen ja neljännen asteen regressiokuvaajat
Neliö-, kuutio-ja kvarttiregressiokuvaajat esittävät pistekaavion datapisteiden välistä yhteyttä.
Ne käyttävät pienimmän neliösumman menetelmää mahdollisimman monen datapisteen
läheltä kulkevan käyrän piirtämiseen. Tätä esittävä kaava on neliö-, kuutio- tai kvarttiregressio.
Ex. Neliöregressioesimerkki
(CALC)(X^2)
(DRAW)
Neliöregressio
Mallin kaava..........
y = ax
2
+ bx + c
a
..........regression toinen kerroin
b ..........regression ensimmäinen kerroin
c .......... regression vakiotermi
(
y-akselin leikkauspiste)