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
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