User manual - GRAPH95-75-85SD-85-35PLUS-25PLUSPro-Soft

6-18
• Régression linéaire (ax + b) ...........
(
a + bx) ...........
• Régression quadratique .................
• Régression cubique ........................
• Régression quartique .....................
• Régression logarithmique ...............
• Régression exponentielle (
a·e
bx
) .....
(
a·b
x
) ......
• Régression de puissance ...............
• Régression sinusoïdale ..................
• Régression logistique .....................
S Calcul de la valeur estimée pour les graphes de régression
Le mode STAT comprend aussi une fonction Y-CAL qui utilise la régression pour calculer la
valeur estimée de y pour une valeur x particulière après la représentation graphique d’une
régression statistique à variable double.
Pour utiliser la fonction Y-CAL procédez de la façon suivante.
1. Après avoir tracé un graphe de régression, appuyez sur (G-SLV)(Y-CAL) pour
accéder au mode de sélection de graphe, puis appuyez sur U.
Si plusieurs graphes sont affichés, utilisez D et A pour sélectionner le graphe souhaité,
puis appuyez sur U.
• La boîte de dialogue de saisie de la valeur
x apparaît.
2. Saisissez la valeur
x souhaitée puis appuyez sur U.
• Les coordonnées
x et y apparaissent au bas de l’écran,
et le pointeur se positionne au point correspondant sur
le graphe.
M
Se =

1
n – 2
i=1
n
(yi – (axi + b))
2
M
Se =

1
n – 2
i=1
n
(yi – (axi + 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
(y i – (a + b ln x i ))
2
M
Se =

1
n – 2
i=1
n
(y i – (a + b ln x 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 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
M
Se =

1
n – 2
i=1
n
(ln y i – (ln a + b ln x i ))
2
M
Se =

1
n – 2
i=1
n
(ln y i – (ln a + b ln x i ))
2
M
Se =

1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =

1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =

1
n – 2 1 + ae
–bx
i
C
i=1
n
y i –
2
M
Se =

1
n – 2 1 + ae
–bx
i
C
i=1
n
y i –
2