User Manual

6-18
Mallin kaava .........
y = ax
3
+ bx
2
+ cx + d
a
.......... regression kolmas kerroin
b .......... regression toinen kerroin
c .......... regression ensimmäinen kerroin
d .......... regression vakiotermi
(y-akselin leikkauspiste)
Mallin kaava ......... y = ax
2
+ bx + c
a
.......... regression toinen kerroin
b .......... regression ensimmäinen
kerroin
c .......... regression vakiotermi
(y-akselin leikkauspiste)
k 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.
1(CALC) 3(Med)
6(DRAW)
Seuraava on mediaani-mediaani-kuvaajamallin kaava.
y = ax + b
a ..............Mediaani-mediaani-kuvaajan kulmakerroin
b ..............Mediaani-mediaani-kuvaajan y -akselin leikkauspiste
k Toisen, kolmannen ja neljännen asteen regressiokuvaajat
Neliö-, kuutio- ja kvarttiregressiokuvaajat esittävät pistekaavion tietopisteiden välistä yhteyttä.
Ne käyttävät pienimmän neliösumman menetelmää mahdollisimman monen tietopisteen
läheltä kulkevan käyrän piirtämiseen. Tätä esittävä kaava on neliö-, kuutio- tai kvarttiregressio.
Esim. Neliöregressio
1(CALC) 4(X
2
)
6(DRAW)
Neliöregressio Kuutioregressio
Kvarttiregressio
Mallin kaava .........
y = ax
4
+ bx
3
+ cx
2
+ dx + e
a .......... regression neljäs kerroin
b .......... regression kolmas kerroin
c .......... regression toinen kerroin
d .......... regression ensimmäinen kerroin
e .......... regression vakiotermi ( y -akselin leikkauspiste)