透過 MCP 連接 →

輸入計算

One row per line as x, y, f. Rows with frequency 0 or blank are ignored.

數學公式

數學公式: 頻率加權曲線迴歸與估計計算機

廣告

結果

估計值
7.628571
from frequency-weighted fit (5 active points)
係數 A 0.1428571429
係數 B 1.8714285714
係數 C 0
相關係數 r 0.9878988005
Correlation strength: 0.7 < |r| ≤ 1 strong; 0.4 < |r| < 0.7 moderate; 0.2 < |r| < 0.4 weak; 0 ≤ |r| < 0.2 none. C is non-zero only for the Quadratic model.

這個計算機的功能

本工具會為一張包含頻率分布的點資料表擬合迴歸曲線。每一列都是一組三元數值 (x, y, f)x 是自變數、y 是應變數,而 f 則是頻率(權重),代表這組數對出現了幾次。您只要選定七種曲線形狀之一,計算機便會進行頻率加權的最小平方擬合,接著回報各項係數、相關係數,以及一個估計值。這純粹是數學運算,放諸各地皆適用。

七種模型

線性:\(y = A + Bx\)。對數:\(y = A + B\ln x\)。e 指數:\(y = A\,e^{Bx}\)。ab 指數:\(y = A\,B^{x}\)。冪函數:\(y = A\,x^{B}\)。反比:\(y = A + \frac{B}{x}\)。二次:\(y = A + Bx + Cx^{2}\)。除了二次模型之外,每一種模型都會先透過合適的轉換(取對數或倒數)線性化為 \(Y = a + bX\) 再進行擬合,最後再把結果反轉換回 \(A\) 與 \(B\)。二次模型則直接由加權常態方程式求解。

七個小型散佈圖面板,每個展示一種不同的擬合曲線形狀
七種曲線模型:對散點進行線性、對數、指數、冪、反比和二次擬合。

使用方式

輸入您的資料,每行一列,格式為 x, y, f。選擇迴歸類型,再決定要由給定的 x 估計 y,還是由給定的 y 估計 x,並鍵入該已知值。接著選擇要顯示的有效位數。頻率為 0 或空白的列會被略過;而需要正值 x 或 y 的模型(對數、指數、冪函數)則必須提供有效數值。

Advertisement

範例演算

資料 (x, y, f):(1,2,3)、(2,4,5)、(3,5,2)、(4,8,4)、(5,9,1)。以線性模型為例,加權總和為 \(N=15\)、\(S_x=40\)、\(S_y=77\)、\(S_{xx}=130\)、\(S_{xy}=249\)。分母為 $$15\times 130 - 40^{2} = 350,$$ 故 $$B = \frac{15\times 249 - 40\times 77}{350} = \frac{655}{350} = 1.8714,$$ 而 $$A = \frac{77 - 1.8714\times 40}{15} = 0.1429.$$ 相關係數 \(r\) 約為 \(0.9879\)(強相關)。在 \(x=4\) 處估計 \(y\),可得 $$0.1429 + 1.8714\times 4 = 7.6286.$$

散佈圖,點的大小依頻率權重變化,並帶有一條最佳擬合線
頻率加權:較大的點權重更高,將擬合線拉向權重大的資料。

常見問題

頻率的作用是什麼?它會為每一筆觀測值加權,因此 \(f=5\) 的數對對擬合結果的影響力,是 \(f=1\) 數對的五倍。

為什麼 C 是 0?係數 \(C\) 只存在於二次模型;其餘六種模型的 \(C\) 一律維持為 0。

在轉換後的模型中,r 衡量的是什麼?它是線性化後 \((X, Y)\) 變數的皮爾森相關係數,因此 \(|r|=1\) 代表的是線性化形式擬合得完美,而非原始曲線擬合得完美。

最後更新: