फ़्रीक्वेंसी-वेटेड कर्व रिग्रेशन और अनुमान कैलकुलेटर

फ़्रीक्वेंसी-वेटेड कर्व रिग्रेशन और अनुमान कैलकुलेटर

उभरता AI Skill PRO

गणना दर्ज करें

हर पंक्ति में एक एंट्री इस रूप में x, y, f। जिन पंक्तियों की फ़्रीक्वेंसी 0 या खाली है, उन्हें छोड़ दिया जाता है।

सूत्र (फॉर्मूला)

y=A+Bxजहाँ{B=∑fxy−(∑fx)(∑fy)∑f∑fx2−(∑fx)2∑fA=∑fy−B∑fx∑f\begin{gathered} y = A + Bx \\[1.5em] \text{जहाँ}\quad \left\{ \begin{aligned} B &= \dfrac{\sum f\,x\,y \;-\; \frac{(\sum f x)(\sum f y)}{\sum f}}{\sum f\,x^{2} \;-\; \frac{(\sum f x)^{2}}{\sum f}} \\ A &= \dfrac{\sum f\,y \;-\; B\sum f\,x}{\sum f} \end{aligned} \right. \end{gathered}
उपयोग आँकड़े

विज्ञापन

परिणाम

अनुमानित मान
7.628571
आवृत्ति-भारित फ़िट से (सक्रिय बिंदु: 5)
गुणांक A 0.1428571429
गुणांक B 1.8714285714
गुणांक C 0
सहसंबंध गुणांक r 0.9878988005
सहसंबंध की मज़बूती: 0.7 < |r| ≤ 1 मज़बूत; 0.4 < |r| < 0.7 मध्यम; 0.2 < |r| < 0.4 कमज़ोर; 0 ≤ |r| < 0.2 कोई नहीं। C केवल क्वाड्रैटिक मॉडल में शून्य से भिन्न होता है।

इस पेज पर त्रुटि की रिपोर्ट करें

यह कैलकुलेटर क्या करता है

यह टूल बिंदुओं की एक फ़्रीक्वेंसी-वितरण तालिका पर एक रिग्रेशन कर्व फ़िट करता है। हर पंक्ति एक त्रयी (x, y, f) होती है, जहाँ x स्वतंत्र मान है, y आश्रित मान है, और f फ़्रीक्वेंसी (वेट) है जो बताती है कि वह जोड़ा कितनी बार आया। आप सात कर्व आकारों में से कोई एक चुनते हैं, कैलकुलेटर फ़्रीक्वेंसी-वेटेड लीस्ट-स्क्वेयर फ़िट करता है, और फिर गुणांक, सहसंबंध गुणांक तथा एक अनुमानित मान बताता है। यह शुद्ध गणित है और हर जगह लागू होता है।

सात मॉडल

लीनियर: \( y = A + Bx \)। लॉगरिदमिक: \( y = A + B\ln x \)। e-एक्सपोनेंशियल: \( y = A\,e^{Bx} \)। ab-एक्सपोनेंशियल: \( y = A\,B^{x} \)। पावर: \( y = A\,x^{B} \)। इनवर्स: \( y = A + \dfrac{B}{x} \)। क्वाड्रैटिक: \( y = A + Bx + Cx^{2} \)। हर नॉन-क्वाड्रैटिक मॉडल को फ़िट करने से पहले एक उपयुक्त रूपांतरण (लॉगरिदम या व्युत्क्रम) के ज़रिए \( Y = a + bX \) में रैखिक बना दिया जाता है, और फिर परिणाम को वापस A और B में बदल दिया जाता है। क्वाड्रैटिक मॉडल को वेटेड नॉर्मल समीकरणों से सीधे हल किया जाता है।

सात छोटे स्कैटर-प्लॉट पैनल, हर एक में अलग फिट किया गया वक्र आकार
सात वक्र मॉडल: बिखरे बिंदुओं पर रैखिक, लघुगणकीय, घातांकीय, घात, व्युत्क्रम और द्विघात फिट।

इसका उपयोग कैसे करें

अपना डेटा डालें, हर पंक्ति में एक एंट्री इस रूप में: x, y, f। एक रिग्रेशन प्रकार चुनें। तय करें कि आप दिए गए x से y का अनुमान चाहते हैं या दिए गए y से x का, और ज्ञात मान टाइप करें। यह चुनें कि कितने सार्थक अंक दिखाने हैं। जिन पंक्तियों की फ़्रीक्वेंसी शून्य या खाली है, उन्हें छोड़ दिया जाता है, और जिन मॉडलों को धनात्मक x या y चाहिए (लॉगरिदमिक, एक्सपोनेंशियल, पावर) उनके लिए वैध मान ज़रूरी हैं।

विज्ञापन

हल किया हुआ उदाहरण

डेटा (x, y, f): (1,2,3), (2,4,5), (3,5,2), (4,8,4), (5,9,1)। लीनियर मॉडल के लिए वेटेड योग देते हैं \( N=15 \), \( S_x=40 \), \( S_y=77 \), \( S_{xx}=130 \), \( S_{xy}=249 \)। हर (denominator) है $$ 15 \times 130 - 40^{2} = 350 $$ इसलिए $$ B = \frac{15 \times 249 - 40 \times 77}{350} = \frac{655}{350} = 1.8714 $$ और $$ A = \frac{77 - 1.8714 \times 40}{15} = 0.1429 $$ सहसंबंध \( r \) लगभग \( 0.9879 \) है (मज़बूत)। \( x=4 \) पर y का अनुमान देता है $$ 0.1429 + 1.8714 \times 4 = 7.6286 $$

स्कैटर प्लॉट जिसमें बिंदुओं का आकार आवृत्ति भार के अनुसार है और एक बेस्ट-फिट रेखा है
आवृत्ति भारण: बड़े बिंदु अधिक गिने जाते हैं, फिट की गई रेखा को भारी भारित डेटा की ओर खींचते हैं।

अक्सर पूछे जाने वाले सवाल

फ़्रीक्वेंसी का क्या काम है? यह हर प्रेक्षण को वेट देती है, इसलिए \( f=5 \) वाला जोड़ा फ़िट को \( f=1 \) वाले जोड़े से पाँच गुना ज़्यादा प्रभावित करता है।

C शून्य क्यों है? C गुणांक केवल क्वाड्रैटिक मॉडल में होता है; बाकी छह में यह शून्य ही रहता है।

रूपांतरित मॉडलों में r क्या मापता है? यह रैखिक बनाए गए \( (X, Y) \) चरों का पियर्सन सहसंबंध है, इसलिए \( |r|=1 \) का मतलब है मूल कर्व का नहीं बल्कि रैखिक रूप का सटीक फ़िट।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें