Calcolatrice di regressione di potenza

Questa calcolatrice accetta punti appaiati come elenchi paralleli x e y o come array JSON di coppie, rifiuta qualsiasi valore non positivo perché i logaritmi non vi sono definiti, e restituisce le serie ripulite, a, b, R-quadrato nello spazio log, diagnostiche residuali e una stringa di equazione stampabile.

Come funziona la regressione di potenza con minimi quadrati logaritmici

Il metodo è aritmetica in virgola mobile deterministica senza semi casuali, senza timestamp e senza chiamate di rete, così ingressi identici producono sempre lo stesso JSON. Se Sxx è zero perché ogni x è identico, il denominatore si annulla e non esiste esponente finito, pertanto la richiesta viene respinta con invalid_input anziché restituire Infinity o NaN.

Cosa invia Lei e cosa riceve indietro

Invii dati appaiati positivi in una delle due forme. Non mescoli points con x e y separati nella stessa richiesta. Servono almeno due coppie e ogni coordinata deve essere strettamente positiva affinché i logaritmi naturali siano definiti. Controlli classici da manuale includono x uguale a uno, due, quattro, otto con y uguale a tre, dodici, quarantotto, centonovantadue, che è esattamente y uguale a tre per x al quadrato e deve restituire a tre, b due e R-quadrato log uguale a uno. Oppure fornisca x e y come array JSON di numeri finiti positivi o come stringhe separate da virgole, spazi o punti e virgola di uguale lunghezza, oppure un unico campo points come array JSON di coppie a due elementi [x, y] o oggetti con campi numerici x e y. Campi mancanti, elenchi vuoti, token non numerici, NaN, Infinity, disallineamento di lunghezza, valori non positivi e x costante falliscono con invalid_input e non vengono addebitati. In caso di successo la risposta include n, array x e y ripuliti, coefficiente a, esponente b, r_squared_log, mean_ln_x e mean_ln_y, sxx_log e sxy_log, ss_res_log e ss_tot_log, valori predetti e residui sulla scala originale, una stringa di equazione stampabile del tipo y uguale a a per x alla b, l'etichetta di metodo log_least_squares e un breve promemoria di formula. Il prezzo delle chiamate API riuscite è la base pubblicata di $0.002 per elemento; i fallimenti di validazione non consumano il saldo prepagato.

Dove compaiono le calcolatrici di regressione di potenza nel lavoro reale

Studi di laboratorio e di campo adattano relazioni allometriche come tasso metabolico rispetto alla massa corporea, intensità rispetto alla durata o conteggio rispetto alla magnitudine, e necessitano dello stesso coefficiente ed esponente in ogni sezione di laboratorio. I team di ingegneria approssimano curve di usura, scaling del costo con la dimensione o forza del segnale con la distanza con un semplice modello di potenza senza aprire uno stack di notebook, poi esportano la stringa di equazione nei report. Se in seguito Le servono regressione lineare ordinaria sulla scala originale, adattamenti polinomiali, modelli esponenziali con tendenza temporale in base e, riepiloghi solo di correlazione o test di ipotesi residuali, li tratti come intenti di ricerca e landing distinti anziché sovraccaricare questa pagina di calcolatrice di regressione di potenza. I corsi delle superiori e universitari assegnano di continuo problemi sulle leggi di potenza, diagrammi a dispersione log-log ed esercizi di interpretazione dell'esponente; un unico oracolo affidabile che restituisce a, b e R-quadrato nello spazio log come JSON pulito accelera la correzione e l'allestimento delle dimostrazioni. Poiché questa capacità è un motore di parse puro, il prezzo API è la base pubblicata di $0.002 per elemento riuscito e la validazione fallita non consuma saldo.