Калькулятор экспоненциальной регрессии
Подгоните экспоненциальную модель y = ab^x к данным и прогнозируйте будущие значения.
Введите пары данных (x, y), чтобы вычислить уравнение экспоненциальной регрессии, R² и прогнозы.
Калькулятор экспоненциальной регрессии
Подгоните экспоненциальную модель y = ab^x к данным и прогнозируйте будущие значения.
Введите одну пару в строке, разделяя значения пробелом или запятой. Пример: 1 2.5
О калькуляторе экспоненциальной регрессии
Экспоненциальная регрессия — это техника аппроксимации кривой, которая находит наилучшим образом подходящую экспоненциальную функцию y = ab^x для заданного набора точек. Она используется, когда данные указывают на экспоненциальный рост или убывание — при построении графика точки выглядят как J-образная кривая (рост) или нисходящая вогнутая кривая (убывание). Экспоненциальная модель линейна по своему логарифму: взяв натуральный логарифм обеих частей, получаем ln(y) = ln(a) + x·ln(b), то есть линейное уравнение относительно ln(y) и x.
Процедура подгонки использует метод наименьших квадратов, применённый к линеаризованному уравнению. В частности, мы минимизируем сумму квадратов остатков в пространстве ln(y). Это даёт формулы: ln(b) = [n·Σ(x·ln y) − Σx·Σ(ln y)] / [n·Σx² − (Σx)²] и ln(a) = [Σ(ln y) − ln(b)·Σx] / n, из которых получаем a = e^(ln a) и b = e^(ln b).
Модель y = ab^x можно интерпретировать так. Коэффициент a — это пересечение с осью y: значение y при x = 0. Основание b определяет скорость изменения: если b > 1, модель показывает рост с множителем b на единицу (например, b = 1.05 означает рост на 5% при каждом увеличении x на 1). Если 0 < b < 1, модель показывает убывание. Процентный рост равен (b − 1) × 100%.
Коэффициент детерминации R² измеряет, насколько хорошо модель описывает данные, по шкале от 0 до 1. R² = 0.95 означает, что 95% дисперсии y объясняется экспоненциальной моделью. Для научных данных R² выше 0.90 обычно считается хорошей подгонкой. Коэффициент корреляции R = √R² × sign(ln b) показывает направление и силу экспоненциальной связи.
Важное ограничение: все значения y должны быть положительными, поскольку логарифм нуля или отрицательного числа не определён. Если в ваших данных есть неположительные y, может потребоваться преобразовать или сдвинуть данные либо выбрать другую модель регрессии, например полиномиальную.
Примеры
Эти примеры показывают применение экспоненциальной регрессии к биологическим, финансовым и физическим данным.
| Точки данных | Уравнение | Сценарий |
|---|---|---|
| (1,2), (2,4.1), (3,7.9), (4,16.2), (5,33.0) | y ≈ 0.98 × 2.01^x, R² ≈ 0.999 | Колония бактерий удваивается примерно каждый час |
| (0,1000), (1,1050), (2,1102.5), (3,1157.6), (4,1215.5) | y = 1000 × 1.05^x, R² = 1.000 | Идеальный рост с 5% сложным процентом; R² = 1 |
| (0,100), (10,82), (20,67), (30,55), (40,45) | y ≈ 100 × 0.981^x, R² ≈ 0.999 | Радиоактивный распад; b < 1 означает экспоненциальное убывание |
| (1971,2300), (1982,134000), (1993,3.1M), (2000,42M), (2011,2.6B) | y хорошо описывается экспонентой, R² ≈ 0.97 | Закон Мура: число транзисторов удваивается примерно каждые 2 года |
Как пользоваться этим калькулятором
- Введите точки данных в текстовое поле — по одной паре в строке, разделяя x и y пробелом или запятой (например, '1 2.5' или '1,2.5'). Нужно минимум 3 точки данных.
- Убедитесь, что все значения y строго положительны — алгоритм экспоненциальной регрессии требует логарифмирования y.
- При желании введите значение x в поле 'Предсказать Y', чтобы получить прогноз по подогнанной модели.
- Нажмите «Вычислить», чтобы увидеть уравнение регрессии y = ab^x, коэффициенты a и b, R², коэффициент корреляции R и любой запрошенный прогноз.
- Используйте кнопки быстрой загрузки, чтобы открыть готовые примеры и посмотреть, как выводится уравнение регрессии.
Часто задаваемые вопросы
Что такое экспоненциальная регрессия?
Экспоненциальная регрессия подгоняет кривую вида y = ab^x к набору точек данных, где a — начальное значение, а b — множитель роста/убывания на единицу x. Она используется, когда данные растут или убывают с темпом, пропорциональным текущему значению. Подгонка выполняется путём линеаризации модели с помощью логарифмов и применения обычного метода наименьших квадратов к преобразованным данным.
Что означают коэффициенты a и b?
Коэффициент a — это пересечение с осью y, то есть прогнозируемое значение y при x = 0. Основание b определяет мультипликативное изменение y при каждом увеличении x на 1. Если b = 1.1, значение y увеличивается на 10% при каждом шаге. Если b = 0.9, значение уменьшается на 10% за единицу. Процентный рост равен (b − 1) × 100%.
Что измеряет R² и какое значение считается хорошим?
R² (коэффициент детерминации) измеряет долю дисперсии исходных значений y, объясняемую подогнанной экспоненциальной моделью. Он лежит в диапазоне от 0 до 1, где 1 означает идеальную подгонку. Для научных данных R² > 0.95 считается отличным, 0.80–0.95 — хорошим, а ниже 0.80 это обычно означает, что экспоненциальная модель может быть неподходящей и стоит попробовать другую форму модели.
Почему значения y должны быть положительными?
Алгоритм экспоненциальной регрессии линеаризует модель, беря ln(y). Натуральный логарифм определён только для строго положительных чисел — ln(0) равен минус бесконечности, а логарифм отрицательного числа в вещественной арифметике не определён. Если ваши данные содержат неположительные y, может потребоваться сдвинуть данные (добавить константу ко всем y), использовать другую модель (полиномиальную, степенной закон) или проверить, действительно ли данные следуют экспоненциальному росту.
Чем это отличается от линейной регрессии?
Линейная регрессия подгоняет к данным прямую y = mx + b, предполагая постоянную скорость изменения. Экспоненциальная регрессия подгоняет y = ab^x, предполагая постоянную относительную скорость изменения. Чтобы выбрать между ними, постройте данные в линейном масштабе (если это прямая, то подходит линейная модель) и в полулогарифмическом масштабе (если на полулогарифмическом графике получается прямая, то подходит экспоненциальная). Можно также сравнить R², хотя R² двух моделей напрямую сравнивать нельзя, поскольку экспоненциальная регрессия минимизирует остатки в логарифмическом пространстве.
Можно ли использовать этот калькулятор для экспоненциального убывания?
Да. Экспоненциальное убывание — это частный случай, когда 0 < b < 1. Если b = 0.95, величина уменьшается на 5% на каждую единицу x. Калькулятор автоматически обрабатывает и рост, и убывание — менять настройки не нужно. Просто введите точки данных, и алгоритм определит правильное значение b. Этому шаблону следуют радиоактивный распад, концентрация лекарства в крови и охлаждение температуры.