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


La régression logarithmique : logarithmic_regression

Pour approcher les données par une fonction logarithmique qui a pour équation y = m ln x + b, on utilise logarithmic_regression.
logarithmic_regression a les mêmes arguments que covariance.
Si logarithmic_regression a comme argument la liste X des xj et la liste Y des yj, logarithmic_regression renvoie (m, b) tel que y $ \simeq$ m*ln x + b.
On tape dans la case C2 :
evalf(logarithmic_regression(A1:A4,B1:B4))
ou on tape dans une ligne d'entrée :
evalf(logarithmic_regression([[1,1],[2,4],[3,9],[4,16]]))
ou on tape dans une ligne d'entrée :
logarithmic_regression([[1.0,1],[2,4],[3,9],[4,16]])
On obtient :
10.1506450002,-0.564824055818
c'est donc la fonction logarithme d'équation :
y = 10.1506450002 ln(x) - 0.564824055818
qui approche au mieux les données.

Documentation de giac écrite par Renée De Graeve