Puede realizar cálculos estadísticos para analizar los datos. El ejemplo siguiente ajusta un modelo de regresión lineal y = mx + b para dos listas en las columnas A y B.
1. | En el menú Estadísticas, seleccione Cálculo Estadístico > RegresiónLineal (mx+b) para seleccionar el modelo de regresión. |
Se abre el cuadro de diálogo de Regresión lineal (mx+b).
2. | Tipo a[] como la columna para la Lista X. |
3. | Tipo b[] como la columna para la Lista Y. |
4. | Para guardar la ecuación de regresión en una variable específica, reemplace Guardar RegEqn en con el nombre de la variable. |
5. | Tipo c[] como la columna para el 1.er Resultado. |
6. | Haga clic en OK. |
Listas y Hoja de Cálculo inserta dos columnas: una que contiene los nombres de los resultados y otra que contiene los valores correspondientes.
Nota: Los resultados están vinculados con los datos de origen. Por ejemplo, si cambia un valor de la columna A, la ecuación de regresión se actualizará automáticamente.
Listas y Hoja de Cálculo almacena los resultados estadísticos usando el nombre de un grupo de variables con el formato stat.nnn, donde nnn es el nombre del resultado (por ejemplo, stat.RegEqn y stat.Resid). El uso de nombres estándares para las variables facilita la futura identificación y uso de las variables estadísticas. Si desea usar un grupo de variables personalizado en vez del nombre estándar, puede editar la fórmula en la celda de fórmula de la columna.
Puede usar la siguiente fórmula para almacenar los resultados en el grupo de variables MystatsB.
=LinRegMx(a[],b[],1 ): CopyVar Stat., MystatsB.
Más adelante, podrá ver los resultados al ingresar la siguiente expresión en la aplicación de Calculadora o en otra columna de la aplicación de Listas y Hoja de Cálculo:
MystatsB.results
El menú Cálculos Estadísticos le permite seleccionar los cálculos que se describen a continuación. Para obtener más información, consulte la Guía de Referencia de TI‑Nspire™ .
Analiza los datos de una sola variable medida. Puede especificar una lista de frecuencia opcional. Los datos estadísticos que se obtienen mediante el uso de esta técnica de análisis son:
• | Media muestral, x |
• | Suma de datos, Gx |
• | Suma de datos al cuadrado, Gx2 |
• | Desviación estándar muestral, sx |
• | Desviación estándar poblacional, sx |
• | Tamaño muestral, n |
• | X‑min |
• | Primer cuartil, Q1 |
• | Mediana |
• | Tercer cuartil, Q3 |
• | X‑max |
• | Suma de desviaciones al cuadrado, SSx = G(x Nx)2 |
Analiza datos apareados. Lista 1 es la variable independiente. Lista 2 es la variable dependiente. Puede especificar una lista de frecuencia opcional. Los datos estadísticos que se obtienen mediante el uso de esta técnica de análisis son:
Para cada lista:
• | Media muestral, x o y |
• | Suma de datos, Gx o Gy |
• | Suma de datos al cuadrado, Gx2 o Gy2 |
• | Desviación estándar muestral, sx = sn-1x o sy = sn-1y |
• | Desviación estándar poblacional, sx = snx o sy = sny |
• | X‑min o Y-min |
• | Primer cuartil, Q1X o Q1Y |
• | Mediana |
• | Tercer cuartil, Q3X o Q3Y |
• | X‑max o Y-max |
• | Suma de desviaciones al cuadrado, SSx = G(x Nx)2 o SSy = G(y Ny)2 |
Datos adicionales:
• | Tamaño muestral para cada conjunto de datos, n |
• | Gxy |
• | Coeficiente de correlación, R. |
Ajusta la ecuación del modelo lineal y=ax+b a los datos mediante un ajuste por mínimos cuadrados. Presenta los valores para m (pendiente) y b (interseccióncon el eje y).
Ajusta la ecuación del modelo y=a+bx a los datos mediante un ajuste por mínimos cuadrados. Presenta los valores para a (intersección con el eje y), b (pendiente), r2, y r.
Ajusta la ecuación del modelo y=mx+b para los datos mediante la técnica de línea mediana-mediana (línea de resistencia), que calcula los puntos de resumen x1, y1, x2, y2, x3 e y3. Línea mediana mediana presenta los valores para la m (pendiente) y b (interseccióncon el eje y).
Ajusta la ecuación polinómica de segundo grado y=ax2+bx+c a los datos. Presenta los valores para a, b, c y R2. Para tres puntos de datos, la ecuación es un ajuste polinómico; para cuatro o más, es una regresión polinómica. Se necesitan al menos tres puntos de datos.
Ajusta la ecuación polinómica de tercer grado y=ax3+bx2+cx+d a los datos. Presenta los valores para a, b, c, d y R2. Para cuatro puntos, la ecuación es un ajuste polinómico; para cinco o más, es una regresión polinómica. Se necesitan al menos cuatro puntos de datos.
Ajusta la ecuación polinómica de cuarto grado y=ax4+bx3+cx2+dx+e a los datos. Presenta los valores para a, b, c, d, e y R2. Para cinco puntos, la ecuación es un ajuste polinómico; para seis o más, es una regresión polinómica. Se necesitan al menos cinco puntos de datos.
Ajusta la ecuación del modelo y=axb a los datos mediante un ajuste por mínimos cuadrados sobre los valores transformados ln(x) y ln(y). Presenta los valores para a, b, r2, y r.
Ajusta la ecuación del modelo y=abx a los datos mediante un ajuste por mínimos cuadrados sobre los valores transformados x y ln(y). Presenta los valores para a, b, r2, y r.
Ajusta la ecuación del modelo y=a+b ln(x) a los datos mediante un ajuste por mínimos cuadrados sobre los valores transformados ln(x) e y. Presenta los valores para a, b, r2, y r.
Ajusta la ecuación del modelo y=a sin(bx+c)+d a los datos mediante un ajuste iterativo por mínimos cuadrados. Presenta los valores para a, b, c y d. Se necesitan al menos cuatro puntos de datos. Se necesitan al menos dos puntos de datos por ciclo para evitar estimaciones de frecuencia erráticas.
Nota: La salida de SinReg siempre es en radianes, independientemente de la configuración del modo Radián/Grado.
Ajusta la ecuación del modelo y=c/(1+a*e⁻bx) a los datos mediante un ajuste iterativo por mínimos cuadrados. Presenta los valores para a, b, y c.
Ajusta la ecuación del modelo y=c(1+a*e(⁻bx))+d a los datos mediante un ajuste iterativo por mínimos cuadrados. Presenta los valores para a, b, c y d.
Calcula una regresión lineal múltiple de la lista Y en las listas X1, X2, …, X10.