forklaringsgrad og linearitet

Det er korrekt at kubisk så vil være bedre; men den er meget dårlig. r² skal være tæt på 1 for at forklaringsgraden holder. Jeg synes du skal prøve med nogle andre funktioner for eks. potens eller eksponentialfunktioner. Du kan også undersøge hvor de data kommer fra og se om du kan finde en mere rimelig model.

Tak for du skrev. Det var nemlig det jeg selv var kommet frem til men vil lige bekræftes i det. Det er ikke muligt for mig at anvende andet end kvadratisk eller kubisk til at beskrive dette og derfor vil jeg løbe med den kubiske.

Hvad gør jeg hvis jeg har en lineær på 0,003 og både den kubiske og kvadratiske r^2 på 0,006? hvilken vil være bedst at vælge?

Det vil være bedst at droppe dem alle.

Du kan evt. sammenligne data og den estimerede funktion på en graf. Det er ofte meget mere overbevisende.

Hvorfor kan du kun bruge de 3 muligheder ? Hvad er det for nogle data ?

Det er en opgave hvor jeg skal besvare om modellen bedst beskrives som lineær, kvadratisk eller kubisk.

Jeg tror ikke på at du har fået en opgave med så umulige resultater. Kan du ikke komme med en ordret opgavetekst ?

Kan der evt. være tale om polynomier ?

Det er en statistik opgave hvor disse varoabler skal indgå i en regressionsanalyse og derfor skal jeg først finde ud af hvordan de beskrives først før jeg indlemmer dem i modellen

Det normale er altså omvendt. At man har en eller flere modeller og derfra laver regressionsanalysen. Du skriver den absolut skal være lineær, kvadratisk eller kubisk og dermed har du faktisk 3 modeller for de data.

Kan du ikke komme med den ordrette tekst ? Vedlæg den som fil eller kopier den over via klippebordet.