指數迴歸計算機

指數迴歸計算機

新興 AI Skill PRO

輸入計算

數學公式

y=AeBx其中{B=SxySxxA=exp⁡(ln⁡y‾−Bx‾)\begin{gathered} y = A\,e^{Bx} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} B &= \frac{S_{xy}}{S_{xx}} \\ A &= \exp\!\left(\overline{\ln y} - B\,\bar{x}\right) \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

擬合方程式
y = 0.9955274925 * e^(1.001187300 * x)
強相關
A(係數) 0.995527
B(指數成長率) 1.001187
相關係數 r 0.999999
資料點數 (n) 5

回報本頁錯誤

什麼是指數迴歸?

指數迴歸是將形如 \(y = A \cdot e^{Bx}\) 的曲線擬合到一組成對資料點的方法。當某個量的成長或衰減速率與其當下大小成正比時,這就是最常用的建模工具,例如人口成長、放射性衰變、複利累積或細菌培養等情況。本計算機純粹是數學與統計工具,不涉及任何特定國家的假設,因此在世界各地的計算方式完全相同。

散點中擬合出一條平滑上升的指數曲線
指數迴歸在離散的資料點中擬合出一條平滑曲線 \(y = A \cdot e^{Bx}\)。

使用方法

在 X 值欄位輸入自變數,在 Y 值欄位輸入應變數,兩者都以逗號分隔。兩串數字的個數必須相同,至少需要兩個資料點,而且每個 Y 值都必須嚴格大於零(因為此方法需要對 y 取自然對數)。接著選擇顯示精度,即可讀出擬合得到的係數 A 與 B、相關係數 r,以及組合而成的完整方程式。

公式說明

由於 \(y = A \cdot e^{Bx}\) 是非線性的,我們透過取自然對數將它線性化:\(\ln y = \ln A + B \cdot x\)。這就變成 \(\ln(y)\) 對 \(x\) 的普通線性迴歸。利用中心化平方和 \(S_{xx} = \sum (x - \bar{x})^2\)、\(S_{yy} = \sum (\ln y - \overline{\ln y})^2\) 與 \(S_{xy} = \sum (x - \bar{x})(\ln y - \overline{\ln y})\),可得斜率 $$B = \frac{S_{xy}}{S_{xx}}$$ 以及 $$A = \exp\!\left(\overline{\ln y} - B \cdot \bar{x}\right)$$ 相關係數 $$r = \frac{S_{xy}}{\sqrt{S_{xx}} \cdot \sqrt{S_{yy}}}$$ 介於 \(-1\) 與 \(1\) 之間;絕對值超過 \(0.7\) 代表擬合效果良好。

廣告
兩條指數曲線,分別表示正成長率與負成長率
B 的符號決定成長(B>0)還是衰減(B<0);A 設定 x=0 時的初始值。

範例演算

當 \(x = [1, 2, 3, 4, 5]\)、\(y = [2.7, 7.4, 20.1, 54.6, 148.4]\)(大約等於 \(e^{x}\))時,可得 \(S_{xx} = 10\)、\(S_{xy} \approx 10.0115\)、\(S_{yy} \approx 10.0231\)。接著算出 \(B \approx 1.0012\)、\(A \approx 0.9956\),且 \(r \approx 1.0000\)。擬合曲線 $$y \approx 0.9956 \cdot e^{1.0012x}$$ 證實了這組資料確實來自 \(y = e^{x}\)。

常見問題

為什麼 Y 必須是正數?因為此方法需要取 \(\ln(y)\),而零或負數的對數沒有定義,所以非正的 Y 值會被拒絕。

r 接近 1 代表什麼?代表指數模型能非常完美地解釋這組資料。若 r 接近 0,則表示幾乎沒有指數關係。

x 可以是負數嗎?可以。X 可以是任何實數,只有 Y 被限制必須為正數。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器