指数回归计算器

指数回归计算器

新兴 AI Skill PRO

输入计算

数学公式

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}
使用统计

广告

结果

拟合方程
y = 0.9955274925 * e^(1.001187300 * x)
强相关
A(系数) 0.995527
B(指数增长率) 1.001187
相关系数 r 0.999999
数据点个数 (n) 5

报告本页错误

什么是指数回归?

指数回归就是把一组成对的数据点拟合成 \(y = A\,e^{Bx}\) 形式的曲线。当某个量的增长或衰减速度与它当前的大小成正比时,指数回归就是最常用的建模工具,比如人口增长、放射性衰变、复利累积或细菌培养等。本计算器是一个纯粹的数学与统计工具,不依赖任何国家或地区的特定规则,因此在世界各地的用法完全一致。

散点中拟合出一条平滑上升的指数曲线
指数回归在离散的数据点中拟合出一条平滑曲线 \(y = A\,e^{Bx}\)。

如何使用

在 X 值 框中填入自变量,在 Y 值 框中填入因变量,两者都用英文逗号分隔。两组数据的个数必须相同,至少需要两个数据点,并且每个 Y 值都必须严格大于 0(因为该方法要对 y 取自然对数)。选好显示精度后,即可直接读取拟合得到的系数 A、B,相关系数 r,以及拼装好的回归方程。

公式详解

由于 \(y = A\,e^{Bx}\) 是非线性的,我们通过取自然对数将其线性化:\(\ln y = \ln A + B\,x\)。这其实就是把 \(\ln(y)\) 对 \(x\) 做一次普通线性回归。利用中心化求和 \(S_{xx} = \sum (x - \bar{x})^2\)、\(S_{yy} = \sum (\ln y - \overline{\ln y})^2\)、\(S_{xy} = \sum (x - \bar{x})(\ln y - \overline{\ln y})\),可得斜率 \(B = S_{xy}/S_{xx}\),以及 \(A = \exp(\overline{\ln y} - B\,\bar{x})\)。

$$y = A\,e^{Bx} \\[1.5em] \text{where}\quad \left\{ \begin{aligned} B &= \frac{S_{xy}}{S_{xx}} = \frac{\sum (x_i - \bar{x})(\ln y_i - \overline{\ln y})}{\sum (x_i - \bar{x})^2} \\ A &= \exp\!\left(\overline{\ln y} - B\,\bar{x}\right) \end{aligned} \right.$$

相关系数 \(r = S_{xy}/(\sqrt{S_{xx}}\cdot\sqrt{S_{yy}})\),取值在 \(-1\) 到 \(1\) 之间;绝对值超过 0.7 表示拟合效果很好。

广告
两条指数曲线,分别表示正增长率和负增长率
B 的符号决定增长(\(B>0\))还是衰减(\(B<0\));A 设定 \(x=0\) 时的初始值。

计算实例

取 \(x = [1, 2, 3, 4, 5]\)、\(y = [2.7, 7.4, 20.1, 54.6, 148.4]\)(大约就是 \(e^{x}\)),可算得 \(S_{xx} = 10\),\(S_{xy} \approx 10.0115\),\(S_{yy} \approx 10.0231\)。于是 \(B \approx 1.0012\),\(A \approx 0.9956\),\(r \approx 1.0000\)。拟合曲线 \(y \approx 0.9956\,e^{1.0012x}\) 印证了这组数据确实来自 \(y = e^{x}\)。

常见问题

为什么 Y 必须为正数?该方法要对 y 取 \(\ln(y)\);而 0 或负数的对数没有定义,所以非正的 Y 值会被拒绝。

r 接近 1 说明什么?说明指数模型能很好地解释这组数据。r 接近 0 则表示数据之间几乎没有指数关系。

x 可以为负数吗?可以。X 可以是任意实数,只有 Y 被限制为正数。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器