Cálculo Del Valor Estimado - Casio fx-9860GII SD Guia Del Usuario

Los parámetros de esta pantalla representan lo mismo que los parámetros de los gráficos de
regresión lineal hasta regresión logística.
u Calculo del coeficiente de determinación (r
medio)
En modo STAT puede calcular el coeficiente de determinación(r
cuadrática, cúbica y de cuarto orden. Están disponibles también, para cada tipo de regresión,
los cálculos de MSe siguientes:
• Regresión lineal (
(
• Regresión cuadrática .....................
• Regresión cúbica ............................
• Regresión de cuarto orden .............
• Regresión logarítmica ....................
• Regresión exponencial (
• Regresión potencial ........................
• Regresión sinusoidal ......................
• Regresión logística .........................
u Cálculo del valor estimado
El modo STAT incluye la función Y-CAL que utiliza una regresión para calcular el valor
y
estimado de para un
A continuación se muestra el procedimiento general para usar la función Y-CAL.
1. Luego de representar una gráfico de regresión, presione !5(G-SLV) 1(Y-CAL) para
ingresar al modo de selección gráfica y presione w.
ax b MSe = MSe =
+ ) ................
a bx
+ ) ................ MSe = MSe =
MSe = MSe =
MSe = MSe =
MSe = MSe =
MSe = MSe =
bx
a e
· ) ........ MSe = MSe =
x
a b
( · ) ......... MSe = MSe =
MSe = MSe =
MSe = MSe =
MSe = MSe =
x
particular luego de graficar una regresión de variables apareadas.
2
) y del MSe (Error cuadrático
n n
1 1
Σ Σ
(y (y – (ax – (ax
i i i i
n – 2 n – 2
i=1 i=1
n n
1 1
Σ Σ
(y (y – (a + bx – (a + bx
i i
n – 2 n – 2
i=1 i=1
1 1 n n
Σ Σ
(y (y – (ax – (ax
i i i i
n – 3 n – 3
i=1 i=1
n n
1 1
Σ Σ
(y (y – (ax – (ax
i i i i
n – 4 n – 4
i=1 i=1
1 1 n n
Σ Σ
(y (y – (ax – (ax
i i i i
n – 5 n – 5
i=1 i=1
n n
1 1
Σ Σ
(y (y – (a + b ln x – (a + b ln x
i i
n – 2 n – 2
i=1 i=1
n n
1 1
Σ Σ
(ln y (ln y – (ln a + bx – (ln a + bx
i i
n – 2 n – 2
i=1 i=1
n n
1 1
Σ Σ
(ln y (ln y – (ln a + (ln b) · x – (ln a + (ln b) · x
i i
n – 2 n – 2
i=1 i=1
1 1 n n
Σ Σ
(ln y (ln y – (ln a + b ln x – (ln a + b ln x
i i
n – 2 n – 2
i=1 i=1
1 1 n n
Σ Σ
(y (y – (a sen (bx – (a sen (bx
i i
n – 2 n – 2
i=1 i=1
1 1 n n
Σ Σ
– –
y y
i i
n – 2 n – 2 1 + ae 1 + ae
i=1 i=1
6-18
2
) para las regresiones
2 2
+ b)) + b))
2 2
)) ))
i i
2 2
2 2 + bx + bx + c)) + c))
i i
3 3 2 2 2 2
+ bx + bx + cx + cx + d )) + d ))
i i i i
4 4 3 3 2 2
+ bx + bx + cx + cx + dx + dx + e)) + e))
i i i i i i
2 2
)) ))
i i
2 2
)) ))
i i
2 2
)) ))
i i
2 2
)) ))
i i
2 2
+ c) + d )) + c) + d ))
i i
2 2
C C
–bx –bx
i i
2 2