next up previous contents index
suivant: La régression puissance : monter: Les fonctions statistiques à précédent: Le graphe de la   Table des matières   Index


La régression polynomiale : polynomial_regression

Pour approcher les données par une fonction polynomiale d'équation y = a0xn + .. + an, on utilise polynomial_regression.
polynomial_regression a les mêmes arguments que covariance.
Si polynomial_regression a comme arguments la liste des xj, la liste des yj et le degré n du polynôme, polynomial_regression renvoie [an,..., a0]) tel que y $ \simeq$ an*xn + .... + a0.
On tape dans le tableur :
evalf(polynomial_regression(A1:A4,B1:B4,3))
ou on tape dans une ligne d'entrée :
evalf(polynomial_regression([[1,1],[2,4],[3,9],[4,16]],3))
ou on tape dans une ligne d'entrée :
polynomial_regression([[1.0,1],[2,4],[3,9],[4,16]],3)
On obtient :
[0.0,1.0,0.0,0.0]
c'est donc le polynôme d'équation y = x2 qui approche au mieux les données.

Documentation de giac écrite par Renée De Graeve