User manual - fx-9860GII_Soft
6-1717
• {ax+b}/{a+bx}/{Med}/{X^2}/{X^3}/{X^4}/{Log}/{ae^bx}/{ab^x}/{Pwr}/{Sin}/{Lgst} ...
{regression lineare (forma ax+b)}/{regressione lineare (forma a+bx)}/{Med-Med}/
{regressione quadratica}/{regressione cubica}/{regressione quartica}/{regressione
logaritmica}/{regressione esponenziale (forma ae
bx
)}/{regressione esponenziale
(forma
ab
x
)}/{regressione di potenza}/{regressione sinusoidale}/{regressione logistica}
parametri
Esempio Visualizzazione dei parametri di una regressione a variabile singola
(CALC)(REG)(X)(
ax+b)
I significati dei parametri visualizzati su questa schermata corrispondono a quelli relativi al
“Grafico di regressione lineare” a “Grafico di regressione logistica”.
S Calcolo del coefficiente di determinazione (r
2
) e MSe
È possibile utilizzare la modalità STAT per calcolare il coefficiente di determinazione (r
2
) per
la regressione quadratica, la regressione cubica e la regressione quartica. Per ogni tipo di
regressione sono disponibili anche i seguenti tipi di calcoli MSe.
• Regressione lineare (
ax + b) ..........
(
a + bx) ..........
• Regressione quadratica .................
• Regressione cubica ........................
• Regressione quartica .....................
• Regressione logaritmica .................
• Regressione esponenziale (
a·e
bx
) ...
(
a·b
x
)....
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