Lineare Regression |
19.06.2009, 13:34 | Katzenstein | Auf diesen Beitrag antworten » |
Lineare Regression habe folgendes Problem: Wir sollen in Physikalischer Chemie, 1/T gegen ln k auftragen, also 1/T auf die x- Achse und ln k auf die y-Achse: Werte für T: T 1= 303,15 K, T 2 =308,15 K, T 3 =313,15 K Die werte für T müssen also noch hoch -1 genommen werden. Werte für ln k: ln k1 = -1,609; ln k2 = -1,717; ln k 3= -0,545 Nun habe ich diese Werte in Excel in eine Tabelle eingetragen und mir ein xy Diagramm zeichnen lassen. Die drei Punkte sollen mehr oder weniger auf einer Geraden liegen. Also habe ich eine Regressionsgerade eingezeichnet. Die Steigung dieser Geraden habe ich mit der Funktion RGP in Excel ausgerechnet. Dabei erhalte ich nach Excel eine Steigung von -10025,39 und einen Achsenabschnitt von 31,43. Um dies zu überprüfen habe ich mittels der Formel für die Steigung einer Regressionsgeraden: http://www.oooforum.de/viewtopic.php?f=2&t=19720 per Hand die Steigung ausgerechnet und komme jedesmal wieder auf eine Steigung von -20,55. Wie kann das sein? Wo liegt mein Fehler ? |
||
19.06.2009, 14:20 | mYthos | Auf diesen Beitrag antworten » |
Die Messpunkte liegen infolge 1/T sehr nahe beisammen. Möglich, dass es da zu Ungenauigkeiten infolge Rundungsfehler kommt. Du musst mit möglichst vielen Stellen rechnen. Die Trendlinie, die Excel liefert, hat eine Steigung von -10034. mY+ |
||
19.06.2009, 14:39 | Katzenstein | Auf diesen Beitrag antworten » |
ah ok vielen dank. hab das ganze jetzt nochmal nachgerechnet für die Werte auf 10 nachkommastellen genau. nun bekomme ich eine steigung von -10000. |
||
19.06.2009, 17:53 | JPL | Auf diesen Beitrag antworten » |
Hi, einfacher wäre es gewesen, gleich eine software dafür zu verwenden, die dafür gemacht wurde, z.B. R. Die liefert auch gleich den ganzen Rest: Call: lm(formula = x ~ y) Residuals: 1 2 3 0.2127 -0.4324 0.2197 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 31.28 23.08 1.355 0.405 y -10034.10 7109.51 -1.411 0.392 Residual standard error: 0.5296 on 1 degrees of freedom Multiple R-squared: 0.6658, Adjusted R-squared: 0.3315 F-statistic: 1.992 on 1 and 1 DF, p-value: 0.3924 Grüße, JPL |
|
Verwandte Themen
Die Beliebtesten » |
Die Größten » |
|
Die Neuesten » |
|