帶度數的倒數迴歸
透過逆數迴歸分析所輸入的頻數分布表，並繪製圖表。
倒數回歸：
| \(y=A+{\large \frac{B}{x}}\) |
相關係數 r 的解讀
0.7＜|r|≦1 相關性強
0.4＜|r|＜0.7 中等強度
0.2＜|r|＜0.4 相關性弱
0≦|r|＜0.2 無相關性0-1:\normalsize\ Inverse\ regression\\
(1)\ mean:\ \bar{x^{\tiny -1}}={\large \frac{{\small \sum}{x_i^{\tiny -1}}}{n}},\hspace{10px}\bar{y}={\large \frac{{\small \sum}{y_i}}{n}},\hspace{10px}n={\small \sum}f_i\\
(2)\ trend\ line:\ y=A+{\large \frac{B}{x}},\hspace{10px} B={\large\frac{Sxy}{Sxx}},\hspace{10px} A=\bar{y}-B\bar{x^{\tiny -1}}\\
\\
(3)\ correlation\ coefficient:\ r=\frac{\normalsize S_{xy}}{\normalsize \sqrt{S_{xx}}\sqrt{S_{yy}}}\\
\hspace{20px}S_{xx}={{\small \sum}(x_i^{\tiny -1}-\bar{x^{\tiny -1}})^2 f_i}={{\small \sum} (x_i^{\tiny -1})^2 f_i}-n \cdot \bar{x^{\tiny -1}}^2\\
\hspace{20px}S_{yy}={{\small \sum}(y_i-\bar{y})^2 f_i}={{\small \sum} y_i^2 f_i}-n \cdot \bar{y}^2\\
\hspace{20px}S_{xy}={{\small \sum}(x_i^{\ti
0.7＜|r|≦1 相關性強
0.4＜|r|＜0.7 中等強度
0.2＜|r|＜0.4 相關性弱
0≦|r|＜0.2 無相關性0-1:\normalsize\ Inverse\ regression\\
(1)\ mean:\ \bar{x^{\tiny -1}}={\large \frac{{\small \sum}{x_i^{\tiny -1}}}{n}},\hspace{10px}\bar{y}={\large \frac{{\small \sum}{y_i}}{n}},\hspace{10px}n={\small \sum}f_i\\
(2)\ trend\ line:\ y=A+{\large \frac{B}{x}},\hspace{10px} B={\large\frac{Sxy}{Sxx}},\hspace{10px} A=\bar{y}-B\bar{x^{\tiny -1}}\\
\\
(3)\ correlation\ coefficient:\ r=\frac{\normalsize S_{xy}}{\normalsize \sqrt{S_{xx}}\sqrt{S_{yy}}}\\
\hspace{20px}S_{xx}={{\small \sum}(x_i^{\tiny -1}-\bar{x^{\tiny -1}})^2 f_i}={{\small \sum} (x_i^{\tiny -1})^2 f_i}-n \cdot \bar{x^{\tiny -1}}^2\\
\hspace{20px}S_{yy}={{\small \sum}(y_i-\bar{y})^2 f_i}={{\small \sum} y_i^2 f_i}-n \cdot \bar{y}^2\\
\hspace{20px}S_{xy}={{\small \sum}(x_i^{\ti
目前還沒有關於此計算的用戶評價。