1. Crescimento exponencial:<\/strong> O crescimento come\u00e7a lentamente e depois acelera rapidamente e sem limites.<\/span> <\/p>\n 2. Decaimento exponencial:<\/strong> O decaimento come\u00e7a rapidamente e depois desacelera para chegar cada vez mais perto de zero.<\/span> <\/p>\n A equa\u00e7\u00e3o para um modelo de regress\u00e3o exponencial assume a seguinte forma:<\/span><\/p>\n y = abx<\/sup><\/span><\/p>\n Ouro:<\/span><\/p>\n O exemplo passo a passo a seguir mostra como realizar regress\u00e3o exponencial em Python.<\/span><\/p>\n Primeiro, vamos criar dados falsos para duas vari\u00e1veis: x<\/em> e y<\/em> :<\/span><\/p>\n A seguir, vamos criar um gr\u00e1fico de dispers\u00e3o r\u00e1pido para visualizar a rela\u00e7\u00e3o entre x<\/em> e y<\/em> :<\/span> <\/p>\n No gr\u00e1fico, podemos ver que existe um claro padr\u00e3o de crescimento exponencial entre as duas vari\u00e1veis.<\/span><\/p>\n Assim, parece sensato ajustar uma equa\u00e7\u00e3o de regress\u00e3o exponencial para descrever a rela\u00e7\u00e3o entre vari\u00e1veis, em oposi\u00e7\u00e3o a um modelo de regress\u00e3o linear.<\/span><\/p>\n A seguir, usaremos a fun\u00e7\u00e3o polyfit()<\/strong> para ajustar um modelo de regress\u00e3o exponencial, usando o logaritmo natural de y<\/em> como vari\u00e1vel de resposta ex<\/em> como vari\u00e1vel preditora:<\/span><\/p>\n Com base no resultado, a equa\u00e7\u00e3o de regress\u00e3o exponencial ajustada pode ser escrita da seguinte forma:<\/span><\/p>\n ln(y) = 0,9817 + 0,2041(x)<\/strong><\/span><\/p>\n Aplicando e<\/em> a ambos os lados, podemos reescrever a equa\u00e7\u00e3o da seguinte forma:<\/span><\/p>\n y = 2,6689 * 1,2264x<\/sup><\/strong><\/span><\/p>\n Podemos usar esta equa\u00e7\u00e3o para prever a vari\u00e1vel de resposta, y<\/em> , com base no valor da vari\u00e1vel preditora, x<\/em> .<\/span> Por exemplo, se x<\/em> = 12, ent\u00e3o prever\u00edamos que y<\/em> seria 30,897<\/strong> :<\/span><\/p>\n y = 2,6689 * 1,2264 12<\/sup> = 30,897<\/span><\/p>\n B\u00f4nus:<\/strong> sinta-se \u00e0 vontade para usar esta calculadora de regress\u00e3o exponencial online para calcular automaticamente a equa\u00e7\u00e3o de regress\u00e3o exponencial para um determinado preditor e vari\u00e1vel de resposta.<\/span><\/p>\n Como realizar regress\u00e3o linear simples em Python<\/a> A regress\u00e3o exponencial \u00e9 um tipo de regress\u00e3o que pode ser usada para modelar as seguintes situa\u00e7\u00f5es: 1. Crescimento exponencial: O crescimento come\u00e7a lentamente e depois acelera rapidamente e sem limites. 2. Decaimento exponencial: O decaimento come\u00e7a rapidamente e depois desacelera para chegar cada vez mais perto de zero. A equa\u00e7\u00e3o para um modelo de […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1567","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/expregexcel1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/expregexcel2.png\")
<\/p>\n\n
Etapa 1: crie os dados<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\nx = np. arange<\/span> (1, 21, 1)\ny = np. array<\/span> ([1, 3, 5, 7, 9, 12, 15, 19, 23, 28,\n 33, 38, 44, 50, 56, 64, 73, 84, 97, 113])\n<\/strong><\/pre>\n Etapa 2: visualize os dados<\/strong><\/h3>\n
import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. scatter<\/span> (x,y)\nplt. show<\/span> ()<\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/expregpython1.png\")
<\/p>\n Etapa 3: Ajustar o modelo de regress\u00e3o exponencial<\/strong><\/span><\/h3>\n
#fit the model<\/span>\nfit = np. polyfit<\/span> (x, np. log<\/span> (y), 1)\n\n#view the output of the model<\/span>\nprint(fit)\n\n[0.2041002 0.98165772]\n<\/strong><\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o polinomial em Python<\/a>
Como realizar regress\u00e3o quant\u00edlica em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"