U kunt statistische berekeningen uitvoeren om gegevens te analyseren. In het volgende voorbeeld gaat u een lineair regressiemodel y=mx+b toepassen op twee lijsten in kolommen A en B.

1.

Selecteer in het menu Statistieken de optie Statistiekberekening>, en selecteer Lineaire regressie (mx+b) om het regressiemodel te kiezen.

Het dialoogvenster Lineaire regressie (mx+b) wordt geopend.

2.

Typ a[] als de kolom voor de X Lijst.

3.

Typ b[] als de kolom voor de Y Lijst.

4.

Om de regressievergelijking op te slaan in een gespecificeerde variabele, vervang dan RegEqn opslaan naar door de naam van de variabele.

5.

Typ c[] als de kolomletter voor de kolom met het eerste resultaat.

6.

Klik op OK.

Lijsten & Spreadsheet voegt twee kolommen in: één met de namen van de resultaten, en één met de bijbehorende waarden.

Opmerking: De resultaten zijn gekoppeld aan de brongegevens. Als u bijvoorbeeld een waarde in kolom A verandert, wordt de regressievergelijking automatisch bijgewerkt.

 

Lijsten & Spreadsheet slaat statistische resultaten op met behulp van een variabelegroepnaam met de opmaak stat.nnn, waarbij nnn de resultaatnaam is (bijvoorbeeld stat.RegEqn en stat.Resid). Het gebruik van standaardnamen voor variabelen maakt het makkelijker om de statistische variabelen later te identificeren en te gebruiken Als u een aangepaste variabelegroep wilt gebruiken in plaats van de standaardnaam, kunt u de formule bewerken in de kolomformulecel.

U kunt de volgende formule gebruiken om de resultaten in de variabelegroep MystatsB op te slaan.

=LinRegMx(a[],b[],1 ): CopyVar Stat., MystatsB.

Later kunt u de resultaten bekijken door de volgende uitdrukking in te voeren in  de toepassing Rekenmachine of in een andere kolom van de toepassing Lijsten & Spreadsheet:

MystatsB.results

 

Met het menu Statistische berekeningen kunt u kiezen uit de hieronder beschreven berekeningen. Zie voor meer informatie de TI-Nspire  ™ handleiding.

Statistieken voor één variabele (OneVar)

Analyseert gegevens in één gemeten variabele. U kunt een optionele frequentielijst specificeren. De statistische gegevens die met behulp van deze analysetechniek worden gegeven:

•

Steekproefgemiddelde, x

•

Som van de gegevens, Gx

•

Som van de kwadraten van de gegevens, Gx2

•

Steekproefstandaarddeviatie, sx

•

Populatiestandaarddeviatie, sx

•

Steekproefomvang, n

•

X-min

•

Eerste kwartiel, Q1

•

Mediaan

•

Derde kwartiel, Q3

•

X-max

•

Som van de gekwadrateerde afwijkingen, SSx =G(x Nx)2

Statistieken voor twee variabelen (TwoVar)

Analyseert gepaarde gegevens. Lijst 1 is de onafhankelijke variabele. Lijst 2 is de afhankelijke variabele U kunt een optionele frequentielijst specificeren. De statistische gegevens die met behulp van deze analysetechniek worden gegeven:

Voor elke lijst:

•

Steekproefgemiddelde, x of y

•

Som van de gegevens, Gx of Gy

•

Som van de kwadraten van de gegevens, Gx2 of Gy2

•

Steekproefstandaarddeviatie, sx = sn-1x of sy = sn-1y

•

Populatie-standaarddeviatie, sx = snx of sy = sny

•

X-min of Y-min

•

Eerste kwartiel, Q1X of Q1Y

•

Mediaan

•

Derde kwartiel, Q3X of Q3Y

•

X-max of Y-max

•

Som van de gekwadrateerde afwijkingen, SSx = G(x Nx)2 of SSy = G(y Ny)2

Aanvullende gegevens:

•

Steekproefomvang voor iedere gegevensset, n

•

Gxy

•

Correlatiecoëfficiënt, R.

Lineaire regresssie (mx+b) (LinRegMx)

Past de modelvergelijking y=ax+b op de gegevens met behulp van de kleinste kwadratenmethode. Er worden waarden weergegeven voor m (helling) en b (snijpunt met de y-as).

Lineaire regressie (a+bx) (LinRegBx)

Past de modelvergelijking y=a+bx op de gegevens met behulp van de kleinste kwadratenmethode. Er worden waarden weergegeven voor a (snijpunt met de y--as), b (helling), r2 en r.

Mediaan-mediaan lijn (MedMed)

Past de modelvergelijking y=mx+b toe op de gegevens met behulp van de mediaan-mediaan-lijn (resistente lijn)-techniek, waarbij de samenvattingspunten voor x1, y1, x2, y2, x3 en y3 worden berekend. Mediaan-Mediaan Lijn geeft waarden weer voor m (helling) en b (snijpunt met de y-as).

Kwadratische regressie (QuadReg)

Past de tweedegraads polynoom y=ax2+bx+c op de gegevens. Er worden waarden weergegeven voor a, b, c en R2. Bij drie gegevens is de vergelijking die van een passend polynoom; bij vier of meer is het een regressiekromme. Er zijn minimaal drie gegevens nodig.

Derdegraads regressie (CubicReg)

Past de derdegraads polynoom y=a3+bx2+cx+d op de gegevens. Er worden waarden weergegeven voor a, b, c, d en R2. Bij vier gegevens is de vergelijking die van een passend polynoom; bij vier of meer is het een regressiekromme. Er zijn minimaal vier punten nodig.

vierdegraads regressie (QuartReg)

Past de vierdegraads polynoom y=ax4+bx3+cx2+dx+e op de gegevens. Er worden waarden weergegeven voor a, b, c, d, e en R2. Bij vijf punten is de vergelijking die van een passend polynoom; bij zes of meer is het een regressiekromme. Er zijn minimaal vijf punten nodig.

Machtsregressie (PowerReg)

Past de modelvergelijking y=axb op de gegevens met de methode van de kleinste kwadraten toegepast op de getransformeerde waarden ln(x) en ln(y). Er worden waarden weergegeven voor a, b, r2 en r.

Exponentiële regressie (ExpReg)

Past de modelvergelijking y=abx op de gegevens met de methode van de kleinste kwadraten toegepast op de getransformeerde waarden x en ln(y). Er worden waarden weergegeven voor a, b, r2 en r.

Logaritmische regressie (LogReg)

Past de modelvergelijking y=a+b In(x) op de gegevens met de methode van de kleinste kwadraten toegepast op de getransformeerde waarden In(x) en y. Er worden waarden weergegeven voor a, b, r2 en r.

Sinusoïde regressie (SinReg)

Past de modelvergelijking y=a sin(bx+c)+d op de gegevens met behulp van een iteratieve kleinste-kwadratenmethode. Er worden waarden weergegeven voor a, b, c en d. Er zijn minimaal vier gegevens nodig. Er zijn minimaal twee gegevens per cyclus nodig om gelijkwaardige frequentieschattingen te voorkomen.

Opmerking: de uitvoer van SinReg is altijd in radialen, ongeacht de modusinstelling Radialen/Graden.

Logistische regressie (d=0) (Logistisch)

Past de modelvergelijking y=c/(1+a*e-bx) op de gegevens met behulp van een iteratieve kleinste-kwadratenmethode. Er worden waarden weergegeven voor a, b en c.

Logistische regressie (dƒ0) (LogisticD)

Past de modelvergelijking y=c(1+a*e(-bx))+d op de gegevens met behulp van een iteratieve kleinste-kwadratenmethode. Er worden waarden weergegeven voor a, b, c en d.

Meervoudige lineaire regressie (MultReg)

Berekent een meervoudige lineaire regressie van lijst Y op de lijsten X1, X2, …, X10