User Manual

Table Of Contents
6-19
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 ...................
u Calcul de la valeur estimée pour les graphes de régression
Le mode STAT comprend aussi une fonction CAL Y (ou 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 CAL Y (ou Y-CAL) procédez de la façon suivante.
1. Après avoir tracé un graphe de régression, appuyez sur !5(RÉS • G (G • SLV dans la
GRAPH25+ E
II))1(CAL-Y (Y-CAL dans la GRAPH25+ E II)) pour accéder au mode de
sélection de graphe, puis appuyez sur w.
Si plusieurs graphes sont affichés, utilisez f et c pour sélectionner le graphe souhaité,
puis appuyez sur w .
La boîte de dialogue de saisie de la valeur
x apparaît.
2. Saisissez la valeur
x souhaitée puis appuyez sur w .
• Les coordonnées
x et y apparaissent au bas de l’écran,
et le pointeur se positionne au point correspondant sur
le graphe.
M
CE (ou MSe) =
Σ
1
n – 2
i=1
n
(yi – (axi + b))
2
Σ
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
CE (ou MSe) =
Σ
1
n – 3
i=1
n
(yi – (axi
+ bxi + c))
2
2
M
CE (ou MSe) =
Σ
1
n – 4
i=1
n
(yi – (axi
3
+ bxi + cxi
+ d ))
2
2
M
CE (ou MSe) =
Σ
1
n – 5
M
CE (ou MSe) =
i=1
n
(yi – (axi
4
+ bxi
3
+ cxi
+ dxi
+ e))
2
2
Σ
1
n – 2
i=1
n
(yi – (a + b ln xi ))
2
M
CE (ou MSe) =
Σ
1
n – 2
M
CE (ou MSe) =
i=1
n
(ln yi – (ln a + bxi ))
2
Σ
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
CE (ou MSe) =
Σ
1
n – 2
M
CE (ou MSe) =
i=1
n
(ln yi – (ln a + b ln xi ))
2
Σ
1
n – 2
M
CE (ou MSe) =
i=1
n
(yi – (a sin (bxi + c) + d ))
2
Σ
1
n – 2 1 + ae
bx
i
C
M
CE (ou MSe) =
i=1
n
yi
2