執行統計計算
可以執行統計計算以分析資料。 以下範例將一個 y=mx+b 線性迴歸模式調適成 A 欄和 B 欄中的兩個列表。
| 1. | 從統計功能表，選取統計計算>線性迴歸 (mx+b)來選取迴歸模式。 |
將開啟 [線性迴歸 (mx+b) ] 對話方塊。
| 2. | 鍵入 a[] 作為 X 列表的欄。 |
| 3. | 鍵入 b[] 作為 Y 列表的欄。 |
| 4. | 若要在指定的變數內儲存迴歸方程式，請將用 RegEqn 儲存至取代為變數名稱。 |
| 5. | 鍵入 c[] 作為第 1 個結果的欄。 |
| 6. | 按一下 確定。 |
[序列 & 試算表] 將插入兩個欄:一個包含結果名稱，一個包含對應的值。
附註: 結果連結至原始資料。 例如:一旦變更欄 A 內的值，迴歸方程式即自動更新。
[序列 & 試算表] 將會使用具有 stat.nnn格式的變數群組名稱來儲存統計結果，其中 nnn 代表結果名稱（例如，stat.RegEqn 和 stat.Resid）。 在變數中使用標準名稱，可以更容易識別變數和在之後統計變數的使用。 若要使用自訂變數群組而不是標準名稱，則可以編輯欄公式儲存格內的公式。
使用下列公式，可以將結果儲存到變數群組 MystatsB. 中。
=LinRegMx(a[],b[],1 ): CopyVar Stat., MystatsB.
之後可以透過在 計算工具應用程式或 [序列 & 試算表] 應用程式的另一個欄內，輸入下列運算式以檢視結果:
MystatsB.results
從統計計算功能表可以選取以下描述的計算。 如需詳細資訊，請參考 TI-Nspire™ 參考 指南。
單變數統計 (OneVar)
以一個所測量變數來分析資料。 可以指定一個可選用的頻率列表。 使用此分析技術的返回統計資料包括:
| • | 樣本平均值， x |
| • | 資料的和， Gx |
| • | 資料的平方和， Gx2 |
| • | 樣本標準差，sx |
| • | 母群體標準差， sx |
| • | 樣本大小，n |
| • | X-最小值 |
| • | 第一四分位數，Q1 |
| • | 中位數 |
| • | 第三四分位數，Q3 |
| • | X- 最大值 |
| • | 標準差的平方和，SSx = G(x Nx)2 |
雙變數統計 (TwoVar)
分析成對資料。 列表 1 是自變數。 列表 2 是因變數。 可以指定一個可選用的頻率列表。 使用此分析技術的返回統計資料包括:
對於每個列表:
| • | 樣本平均值，x 或 y |
| • | 資料的和，Gx 或 Gy |
| • | 資料的平方和，Gx2 或 Gy2 |
| • | 樣本標準差，sx = sn-1x 或 sy = sn-1y |
| • | 母群體標準差，sx = snx 或 sy = sny |
| • | X-最小值或 Y-最小值 |
| • | 第一四分位數，Q1X 或 Q1Y |
| • | 中位數 |
| • | 第三四分位數，Q3X 或 Q3Y |
| • | X- 最大值或 Y-最大值 |
| • | 標準差的平方和，SSx = G(x Nx)2 或 SSy = G(y Ny)2 |
附加資料:
| • | 每個資料集的樣本大小，n |
| • | Gxy |
| • | 相關係數，R. |
線性迴歸 (mx+b) (LinRegMx)
將模型方程式 y=ax+b 調適成符合最小二平方法得到的資料。 它將會顯示 m（斜率）和 b （y-截距）的值。
線性迴歸 (a+bx) (LinRegBx)
將模型方程式 y=a+bx 調適成符合最小二平方法得到的資料。 它將會顯示 a（y-截距）、b （斜率）、r2 和 r。
中位數-中位數線迴歸 (MedMed)
將模型方程式 y=mx+b 調適成符合中位數-中位數線（耐抗線）迴歸技術得到的資料，以計算 x1、y1、x2、y2、x3 和 y3 的概括點。 中位數-中位數 線迴歸將會顯示 m （斜率）和 b （y-截距）的值。
二次多項式迴歸 (QuadReg)
根據資料將二次多項式擬合為 y=ax2+bx+c。 它將會顯示 a、b、c 和 R2 的值。 方程式以多項式擬合這三個資料點;而對於四個或更多資料點，則是以多項式迴歸進行擬合。 需要至少三個資料點。
三次多項式迴歸 (CubicReg)
根據資料將三次多項式擬合成 y=ax3+bx2+cx+d。 它將會顯示 a、b、c、d 和 R2 的值。 方程式以多項式擬合四個點;而對於五個或更多點，則是以多項式迴歸進行擬合。 需要至少四個點。
四次多項式迴歸 (QuartReg)
根據資料將四次多項式擬合為 y=ax4+bx3+cx2+dx+e。 它將會顯示 a、b、c、d、e 和 R2 的值。 方程式以多項式擬合五個點;而對於六個或更多點，則是以多項式迴歸進行擬合。 需要至少五個點。
乘冪迴歸 (PowerReg)
在轉換的值 ln(x) 和 ln(y) 上使用最小平方擬合法，根據資料將模型方程式擬合為 y=axb 。 它將會顯示 a、b、r2 和 r 的值。
指數迴歸 (ExpReg)
在轉換的值 x 和 ln(y) 上使用最小平方擬合法，根據資料將模型方程式擬合成 y=abx。 它將會顯示 a、b、r2 和 r 的值。
對數迴歸 (LogReg)
在轉換的值 ln(x) 和 y 上使用最小平方擬合法，根據資料將模型方程式擬合成 y=a+b ln(x)。 它將會顯示 a、b、r2 和 r 的值。
正弦迴歸 (SinReg)
使用疊代最小平方擬合法，根據資料將模型方程式擬合為 y=a sin(bx+c)+d。 它將會顯示 a、b、c 和 d 的值。 需要至少四個資料點。 每個循環需要至少兩個資料點來避免混疊頻率估算。
附註: SinReg 的輸出將永遠是弧度，不論弧度/度模式的設定如何。
羅吉斯迴歸，(d=0) (Logistic)
使用疊代的最小平方擬合法，根據資料將模型方程式擬合成 y=c/(1+a*e-bx)。 它將會顯示 a、b 和 c的值。
羅吉斯迴歸 (dƒ0) (LogisticD)
使用疊代的最小平方擬合法，根據資料將模型方程式擬合為 y=c(1+a*e(-bx))+d。 它將會顯示 a、b、c 和 d 的值。
多元線性迴歸 (MultReg)
計算 Y 列表在 X1, X2, …, X10 等列表上的多線性迴歸。