Havaintopisteet (x, y)
Kirjoita yksi piste riville muodossa "x, y". Kaikkien y-arvojen on oltava positiivisia, koska sovitus perustuu logaritmiin. Tarvitset vähintään kaksi pistettä.
Eksponentiaalinen regressio
Laske eksponentiaalinen regressio: sovita käyrä y = a·eᵇˣ pistejoukkoon logaritmimuunnoksen ja pienimmän neliösumman menetelmällä.
Tulokset
Eksponentiaalinen regressio – paras eksponenttikäyrä
Eksponentiaalinen regressio sovittaa havaintopareihin (x, y) eksponenttikäyrän y = a·eᵇˣ, joka kuvaa tasaista suhteellista kasvua tai vähenemistä. Laskuri linearisoi käyrän logaritmilla, sovittaa suoran pienimmän neliösumman menetelmällä ja antaa kertoimet, kasvuvauhdin, selitysasteen sekä ennusteen. Kaikkien y-arvojen on oltava positiivisia.
Eksponentiaalinen malli
Sovitettava käyrä on muotoa:
y = a · eᵇˣ
Tässä a on käyrän arvo kohdassa x = 0 ja b määrää kasvunopeuden. Jos b on positiivinen, käyrä kasvaa kiihtyvästi; jos b on negatiivinen, käyrä lähestyy nollaa.
Linearisointi logaritmilla
Eksponenttiyhtälöstä tulee suora, kun siitä otetaan luonnollinen logaritmi:
ln y = ln a + b · x
Tämä on suoran yhtälö muuttujille x ja ln y. Kun pisteille (x, ln y) tehdään tavallinen lineaarinen regressio, kulmakerroin antaa b:n ja vakiotermi ln a:n. Lopuksi a saadaan eksponenttifunktiolla a = e^(ln a).
Kantamuoto ja kasvuvauhti
Saman käyrän voi esittää kantaluvun avulla:
y = a · rˣ, missä r = eᵇ
Kantaluku r kertoo, kuinka moninkertaiseksi y muuttuu, kun x kasvaa yhdellä. Prosentuaalinen muutos askelta kohden on (r − 1) · 100 %. Esimerkiksi r = 1,2 tarkoittaa 20 %:n kasvua jokaista x:n yksikköä kohden.
Vaiheittainen esimerkki
Sovitetaan eksponenttikäyrä pisteisiin, jotka noudattavat yhtälöä y = 2·e^(0,5x): esimerkiksi (0, 2), (1, 3,30), (2, 5,44), (3, 8,96), (4, 14,78).
- Otetaan jokaisesta y:stä logaritmi ja sovitetaan suora pisteille (x, ln y).
- Kulmakerroin antaa b = 0,5 ja vakiotermistä saadaan a = 2.
- Sovitettu käyrä on y = 2·e^(0,5x), kantamuotona y = 2·1,6487ˣ.
- Kasvuvauhti askelta kohden on (e^0,5 − 1) ≈ 64,9 %.
Selitysaste ja sovituksen tulkinta
Laskuri raportoi selitysasteen r² alkuperäisten y-arvojen perusteella, jolloin se kertoo, kuinka hyvin eksponenttikäyrä sopii varsinaiseen aineistoon. On hyvä huomata, että itse sovitus tehdään logaritmiasteikolla, joten se painottaa suhteellisia eikä absoluuttisia virheitä. Tämä on usein juuri toivottua eksponentiaalisessa ilmiössä.
Mihin eksponentiaalista regressiota käytetään?
Eksponentiaalinen regressio sopii ilmiöihin, joissa muutos on suhteellisesti tasaista. Tyypillisiä sovelluksia ovat koronkoron ja sijoitusten kasvu, väestön tai bakteeripopulaation lisääntyminen, radioaktiivinen hajoaminen ja monet luonnontieteelliset vaimenemisilmiöt. Jos taas suure kasvaa tasaisesti absoluuttisesti, lineaarinen regressio kuvaa sitä paremmin.
Usein kysytyt kysymykset
Mitä eksponentiaalinen regressio tekee?
Eksponentiaalinen regressio sovittaa pistejoukkoon eksponenttikäyrän y = a·eᵇˣ, joka kuvaa tasaista suhteellista kasvua tai vähenemistä. Kerroin a on käyrän arvo kohdassa x = 0, ja kerroin b määrää kasvunopeuden: positiivinen b tarkoittaa kasvua ja negatiivinen vähenemistä. Sovitus tehdään pienimmän neliösumman menetelmällä.
Miten eksponenttikäyrä sovitetaan?
Eksponenttiyhtälö muutetaan lineaariseksi ottamalla siitä luonnollinen logaritmi: ln y = ln a + b·x. Tämä on suoran yhtälö, jossa pystyakselina on ln y. Kun pisteille (x, ln y) tehdään tavallinen lineaarinen regressio, suoran kulmakerroin antaa b:n ja vakiotermi ln a:n, josta a saadaan eksponenttifunktiolla.
Miksi y-arvojen on oltava positiivisia?
Sovitus perustuu logaritmin ottamiseen y-arvoista, ja logaritmi on määritelty vain positiivisille luvuille. Siksi yksikään y-arvo ei saa olla nolla tai negatiivinen. Eksponenttikäyrä y = a·eᵇˣ saa positiivisella a:lla aina vain positiivisia arvoja, joten malli sopii luonnostaan positiiviseen aineistoon.
Mikä on yhteys muotojen y = a·eᵇˣ ja y = a·rˣ välillä?
Eksponenttikäyrän voi kirjoittaa kahdella tavalla: luonnollisen eksponentin avulla muodossa y = a·eᵇˣ tai kantaluvun avulla muodossa y = a·rˣ. Kantaluku on r = eᵇ, ja se kertoo, kuinka moninkertaiseksi y muuttuu, kun x kasvaa yhdellä. Prosentuaalinen muutos askelta kohden on (r − 1)·100 %.
Milloin eksponentiaalinen malli sopii?
Eksponentiaalinen malli sopii, kun suure muuttuu tasaisella suhteellisella vauhdilla – esimerkiksi kasvaa aina saman prosentin verran aikayksikköä kohden. Tyypillisiä esimerkkejä ovat koronkorko, populaation kasvu sekä radioaktiivinen tai muu vaimeneminen. Jos kasvu on tasaista absoluuttisesti, lineaarinen malli on parempi.
Oliko tästä laskurista apua?