Quadratische Regression berechnen

Hier können Sie die quadratische Regression berechnen: Tragen Sie x- und y-Werte ein, der Rechner legt die beste Parabel durch die Punkte. Beispiel: x = 0 bis 5 und y = 1; 2,8; 6,1; 10,8; 17,2; 24,5 ergeben ŷ = 0,7125 · x² + 1,16321 · x + 0,960714 mit R² = 0,999876.

Quelle: Wikipedia – Polynomial regression. Stand: .

Durch Leerzeichen oder Semikolon trennen; Dezimalkomma ist erlaubt.
Durch Leerzeichen oder Semikolon trennen; Dezimalkomma ist erlaubt.
Leer lassen, wenn keine Vorhersage gewünscht ist.
Meine ToolboxIhre Eingaben werden nur in diesem Browser gespeichert.

Ergebnis

Ergebnis
Parabel ŷ = 0,7125 · x² + 1,16321 · x + 0,960714 (R² = 0,999876, n = 6)
Kennzahlen
GrößeWert
Koeffizient a (x²)0,7125
Koeffizient b (x)1,16321
Konstante c0,960714
Bestimmtheitsmaß R²0,999876
Quadratsumme der Residuen SSE0,0509286
Scheitelpunkt(-0,816291 | 0,485954) – Minimum
Vorhersage bei x = 633,59
Messwerte und Anpassung
xyAnpassung ŷResiduum y − ŷ
010,9607140,0392857
12,82,83643-0,0364286
26,16,13714-0,0371429
310,810,8629-0,0628571
417,217,01360,186429
524,524,5893-0,0892857
Rechenweg
  • Ansatz y = a · x² + b · x + c; Normalengleichungen aus den Summen: n = 6, Σx = 15, Σx² = 55, Σx³ = 225, Σx⁴ = 979, Σy = 62,4, Σxy = 238,7, Σx²y = 1.012,1.
  • Das 3×3-Gleichungssystem ergibt a = 0,7125, b = 1,16321, c = 0,960714.
  • Scheitelpunkt: x = −b / (2a) = -0,816291, y = 0,485954.
  • Vorhersage: ŷ(6) = 0,7125 · 6² + 1,16321 · 6 + 0,960714 = 33,59.
Die Vorhersage außerhalb des Bereichs Ihrer x-Werte (Extrapolation) ist unsicher, weil eine Parabel dort schnell steil wird. Ein R² nahe 1 beweist keinen Zusammenhang, er zeigt nur die Passung.

So wird gerechnet

Die quadratische Regression passt eine Parabel y = a · x² + b · x + c an Messpunkte an, wenn der Zusammenhang gekrümmt ist und eine Gerade nicht reicht.

Methode und Rechenweg

Gesucht sind a, b und c, sodass die Summe der quadrierten Abstände zwischen den gemessenen y und der Parabel möglichst klein wird (Methode der kleinsten Quadrate). Aus den Summen Σx, Σx², Σx³, Σx⁴, Σy, Σxy und Σx²y entsteht ein Gleichungssystem aus drei Gleichungen mit drei Unbekannten, das der Rechner löst. Das Bestimmtheitsmaß R² = 1 − SSE / SST zeigt, welcher Anteil der Streuung der y-Werte durch die Parabel erklärt wird. Der Scheitelpunkt liegt bei x = −b / (2a).

Durchgerechnetes Beispiel

Für x = 0, 1, 2, 3, 4, 5 und y = 1; 2,8; 6,1; 10,8; 17,2; 24,5 sind die Summen n = 6, Σx = 15, Σx² = 55, Σx³ = 225 und Σx⁴ = 979. Das System liefert a = 0,7125, b = 1,16321 und c = 0,960714, also ŷ = 0,7125 · x² + 1,16321 · x + 0,960714 mit R² = 0,999876. Die Vorhersage bei x = 6 ist 0,7125 · 36 + 1,16321 · 6 + 0,960714 = 33,59. Der Scheitelpunkt liegt bei x = −0,816291 mit y = 0,485954; wegen a > 0 ist er ein Minimum.

Häufige Fragen

Wie berechnet man eine quadratische Regression?

Man bestimmt a, b und c so, dass die Summe der quadrierten Abweichungen minimal ist. Dazu löst man das Gleichungssystem aus den Summen Σx bis Σx⁴, Σy, Σxy und Σx²y.

Wann ist eine quadratische statt linearer Regression sinnvoll?

Wenn die Residuen der Geraden einen Bogen bilden oder die Daten erkennbar gekrümmt sind, etwa bei Bremswegen oder Wurfbahnen.

Wofür steht der Scheitelpunkt?

Er ist der tiefste oder höchste Punkt der Parabel bei x = −b / (2a). Für unser Beispiel liegt er bei x = −0,816291 außerhalb der Messwerte.

Quellen und Rechtsgrundlagen

Stand: · So prüfen wir

Passende Werkzeuge