\require{AMSmath}

Correlatie en regressie tussen niet-gestandaardiseerde variabelen

Geachte,

Ik ben een student aan de universiteit te Brussel. En wij moeten voor een statistische opdracht de correlatie en regressie tussen niet-gestandaardiseerde variabelen onderling berekenen. Dit moeten we doen aan de hand van het lineair model en het veeltermmodel met graad 2. Vervolgens moeten we laten zien wel model het best met onze berekeningen past.
Wij zijn er al in geslaagd het lineair model van onze variabelen te berekenen. Maar hebben problemen met het veeltermmodel met graad 2.
Zou u ons hierbij kunnen helpen?

Onze variabelen zijn :
var 1 var 2
3,5 1005,4
2,0 1005,3
1,4 1005,0
2,3 1005,6
5,8 1004,3
6,1 1004,2
5,6 1004,1
5,0 1005,5
5,0 1005,8
5,2 1006,7
5,2 1008,2
5,2 1010,3
5,2 1011,3
6,2 1011,6
5,9 1012,6
3,9 1014,1
4,4 1013,8
2,9 1015,0
3,6 1014,4
6,7 1013,7
6,9 1013,8
5,1 1014,5
3,7 1014,2
3,4 1013,6
2,6 1014,4
1,8 1015,6
1,5 1016,4
2,4 1016,6
2,8 1018,6
1,9 1020,5
1,4 1020,3
2,9 1021,1
3,3 1022,3
3,4 1023,0
2,8 1023,1
2,6 1023,1
3,4 1022,8
5,6 1021,9
6,5 1019,8
5,2 1017,8
5,8 1016,8
5,6 1014,8
5,2 1013,8
5,0 1013,2
5,0 1014,5
5,7 1015,1
6,2 1015,4
4,9 1016,7
5,0 1017,7
3,9 1020,5
3,2 1019,8
2,6 1021,3
3,1 1022,8
5,2 1024,4
4,7 1023,8
3,6 1024,6
1,4 1024,6
0,1 1024,7
9,8 1023,3
0,1 1022,6
2,4 1021,6
6,6 1019,8
5,6 1014,8
4,8 1014,4
1,6 1012,8
0,6 1010,8
9,8 1007,5
9,8 1005,2
2,6 1004,0
6,3 1000,3
6,0 998,4
4,8 998,0
5,0 996,9
5,4 995,2
6,0 993,2
6,4 993,0
7,1 993,3
8,2 993,5
7,4 992,0
5,8 991,4
4,6 989,2
4,6 984,3
6,0 981,5
8,0 981,1
8,7 982,6
9,8 983,0
9,3 983,4
8,4 983,5
8,3 984,4
8,0 986,3
7,6 988,1
8,3 989,1
8,9 991,5
9,6 992,9
8,9 995,9
8,5 998,1
8,8 1000,8
7,6 1004,0
5,7 1005,2
6,3 1005,3
7,5 1004,7
8,5 1003,6
9,4 1002,5
10,0 1001,4
10,6 1001,4

Alvast héél hard bedankt!
Met vriendelijke groeten,
Joris en co :o)!

joris
Student universiteit - woensdag 5 mei 2004

Antwoord

Op http://curveexpert.webhop.net/ kan je programma downloaden waarmee je dit soort dingen kan berekenen. Moet je wel even een data-bestandje maken. Dat heb ik vast gedaan.(zie onder)

Mijn resultaten:

Linear Fit: y=a+bx
Coefficient Data:
a = 1023.6814
b = -2.9722427

Quadratic Fit: y=a+bx+cx^2
Coefficient Data:
a = 1023.0123
b = -2.6614114
c = -0.028553818

Erg indrukwekkend is het niet...

Zie data-bestand

WvR
woensdag 5 mei 2004

©2001-2024 WisFaq