Я хотел бы использовать эти данные для получения уравнения с помощью Excel.
300 13 310 12.6 320 12.2 330 11.8 340 11.4 350 11 360 10.8 370 10.6 380 10.4 Когда х идет вверх, у идет вниз. Кажется, просто. Но когда я делаю полиномиальную регрессию на этих данных, даже если линия тренда очень хорошо соответствует данным, генерируемое уравнение не работает. Уравнение: 0.0096x2 - 0.4181x + 13.341Когда я добавляю значения x к этому уравнению, числа увеличиваются! Так что здесь что-то не так.
Мои шаги:
Это приводит к приведенному выше уравнению со значением R ^ 2 .9955. Но когда я использую это уравнение, он не производит эти выходные данные для этих входов.
Очевидно, я делаю что-то не так.
Изменить: или это Excel? Вот график этого уравнения (выше):
Очевидно, что это не имеет тенденцию к снижению в диапазоне 300-390 .
Вот реальное уравнение, которое соответствует этим данным:
Квадратичное соответствие: y = a + bx + cx ^ 2 Данные коэффициента:
a = 4.53E + 01 b = -1.66E-01 c = 1.95E-04
Спасибо CurveExpert 1.4.
Я вошел в них и получил результат как
y = .000186x ^ 2 - 0,160247x + 44,385628 с R ^ 2 = 0,995
так хорошо подходит
Я ввел x и y как заголовки столбцов.
Тогда в первом столбце были значения x, а во втором столбце - y.
Выберите оба столбца
Вставить диаграмму - ось скрипки
Добавьте линию тренда.
Я не знаю, как вы получили это уравнение в Excel, так как это уравнение, которое я получаю:
Убедитесь, что степень полинома равна 2, и что вы не установили никаких перехватов или прогнозов при создании линии тренда.
Другое дело, вы сказали, х увеличивается, а у уменьшается. Это означает, что вы должны выполнить экспоненциальную подгонку кривой (если только это не линейное уменьшение, а не линейное):
Важно отметить, что подгонка кривой действительно работает только в пределах введенных вами данных. Вы не можете точно предсказать будущие значения, используя это. Вы можете только оценить значения между границами ваших исходных данных.
Причина, по которой я предлагаю использовать экспоненту, связана с пониманием «тренда» данных и того, как компьютеры рассчитывают эти «уравнения тренда». Например, скажем, у меня есть 3 точки данных, и я создаю полиномиальную функцию, которая идеально подходит для данных:
Однако, когда я беру больше точек данных, они лежат вне того, что соответствуют моим исходным точкам данных. (Да, я понимаю, что Excel НИКОГДА не будет выполнять подобную функцию, но стоит подчеркнуть это). При анализе данных необходимо принять какое-то решение на основе того, что они знают.
Даже если мое значение R ниже, чем ваше (всего на 0,01) знание того, что данные уменьшаются с увеличением x, делает экспоненциальный лучший выбор из-за того, что вы УЖЕ знаете. Так же, как линейная подгонка будет лучшим выбором на графике выше. Это основное различие между экстраполяцией и интерполяцией .