Công Cụ Tính Khớp Đường Cong
Dán các giá trị x và y, và khớp đường thẳng, đa thức (bậc 2–6), hàm mũ, logarit và lũy thừa trong một lần. Bạn nhận được từng phương trình cùng R², R² hiệu chỉnh, RMSE, AIC và AICc đặt cạnh nhau, một biểu đồ với mọi đường cong, chẩn đoán phần dư, sai số chuẩn của tham số và dự đoán cho các giá trị x mới. Miễn phí, không cần đăng ký; mọi thứ chạy trong trình duyệt của bạn.
0 giá trị
0 giá trị
Nhập ít nhất bốn cặp (x, y), với ít nhất ba giá trị x khác nhau.
Cách Sử Dụng Công Cụ Tính Khớp Đường Cong
- 1. Nhập dữ liệu. Gõ hai danh sách theo thứ tự tương ứng, hoặc mỗi dòng một cặp “x, y”. Cần từ bốn điểm trở lên với ít nhất ba giá trị x khác nhau; càng nhiều càng tốt.
- 2. Chọn các mô hình. Đánh dấu các đường cong cần so sánh. Mô hình logarit và lũy thừa cần mọi x lớn hơn 0; mô hình hàm mũ và lũy thừa cần mọi y lớn hơn 0. Mô hình không thể khớp sẽ cho biết lý do.
- 3. Chọn phương pháp khớp cho hàm mũ và lũy thừa. Bình phương tối thiểu phi tuyến trên y gốc cho khớp tốt nhất với các giá trị thực tế của bạn. Tùy chọn biến đổi khớp một đường thẳng qua ln y, giống như đường xu hướng trên bảng tính.
- 4. So sánh và kiểm tra. Đọc bảng, rồi xem biểu đồ và phần dư của mô hình bạn đang cân nhắc: con số tốt sẽ chẳng có nghĩa gì nếu hình dạng đường cong sai. Dùng ô dự đoán cho các giá trị x mới.
Các Đường Cong
| Mô hình | Phương trình | Thường dùng cho |
|---|---|---|
| Tuyến tính | y = a₀ + a₁x | Thay đổi đều đặn |
| Đa thức bậc d | y = a₀ + a₁x + … + a_dx^d | Đường cong mượt có các chỗ uốn; nhiều nhất d − 1 điểm rẽ |
| Hàm mũ | y = a·e^(bx) | Tăng trưởng hoặc suy giảm theo tỷ lệ phần trăm không đổi |
| Logarit | y = a + b·ln x | Thay đổi nhanh rồi chững lại |
| Lũy thừa | y = a·x^b | Quy luật tỷ lệ; b là độ co giãn |
Mỗi đa thức được khớp bằng phân rã QR trên x đã được căn giữa và co giãn lại, nên một đa thức bậc 6 khớp với năm dương lịch (1990–2020) cũng chính xác như khớp với giá trị từ 0 đến 1, và dự đoán dùng dạng ổn định đó. Các hệ số đã khai triển hiển thị trong phương trình vẫn có thể mất chữ số do triệt tiêu khi x lớn và xa số 0, và trang sẽ cảnh báo bạn khi điều đó xảy ra. Các phương trình đường xu hướng trên bảng tính, vốn làm tròn hệ số đến vài chữ số, không thể tái tạo các đường cong bậc cao trên giá trị x cỡ năm vì cùng lý do.
Vì Sao Phương Pháp Quan Trọng Với Hàm Mũ và Lũy Thừa
Phép khớp biến đổi lấy ln y, tìm đường thẳng bình phương tối thiểu, rồi đổi ngược lại. Cách đó cực tiểu hóa sai số trên thang log, nghĩa là nặng ký các giá trị nhỏ và nhẹ ký các giá trị lớn. Phép khớp phi tuyến cực tiểu hóa bình phương sai số trên chính y, thường là điều bạn quan tâm. Hai cách cho ra tham số khác nhau cho cùng dữ liệu, và R² cũng khác nhau. Công cụ này báo cáo R² trên y gốc cho mọi mô hình để chúng có thể so sánh công bằng, và với phép khớp biến đổi, báo cáo thêm R² trên thang log mà bảng tính sẽ hiển thị.
Ví Dụ Minh Họa
Ví dụ tải bộ dữ liệu kinh điển gồm 50 lần đo quãng đường phanh xe (dữ liệu cars của R): tốc độ tính bằng dặm mỗi giờ so với quãng đường dừng tính bằng foot. Sáu mô hình, khớp trên thang gốc:
| Mô hình | R² | RMSE | AICc | Δ AICc |
|---|---|---|---|---|
| Lũy thừa: y = 0,5897 x^1,5493 | 0,6654 | 15,06 | 417,59 | 0 |
| Hàm mũ: y = 9,4045 e^(0,0917x) | 0,6649 | 15,07 | 417,66 | 0,07 |
| Bậc hai | 0,6673 | 15,18 | 419,66 | 2,07 |
| Tuyến tính: y = −17,58 + 3,932x | 0,6511 | 15,38 | 419,68 | 2,09 |
| Bậc ba | 0,6732 | 15,20 | 421,25 | 3,66 |
| Logarit | 0,5607 | 17,26 | 431,19 | 13,61 |
R² tăng dần theo mỗi số hạng đa thức — bậc ba đạt 0,6732 và đa thức bậc sáu đạt 0,6888 — nhưng AICc, vốn tính phí cho mỗi tham số, xếp các đường lũy thừa và hàm mũ hai tham số lên đầu. Đường lũy thừa cũng có ý nghĩa hợp lý: quãng đường phanh tăng gần như theo lũy thừa 1,5 của tốc độ (b = 1,55, SE 0,19), nằm giữa quan hệ tuyến tính và quan hệ bình phương mà vật lý gợi ý. Các mô hình đứng đầu chỉ cách nhau khoảng 2 điểm AICc, nên dữ liệu không thể phân biệt chúng; hãy chọn mô hình hợp lý hơn. Nếu khớp như một đường lũy thừa biến đổi, R² trên thang log là 0,7331 nhưng R² trên thang gốc giảm xuống 0,6583.
Chọn Mô Hình Một Cách Hợp Lý
- Bắt đầu với biểu đồ, rồi đến phần dư. Một mẫu hình trong phần dư nghĩa là hình dạng của mô hình đã sai.
- Dùng AICc thay vì R² để so sánh các mô hình có số tham số khác nhau. AICc chỉ so sánh được giữa các mô hình được khớp trên cùng các giá trị y. Chênh lệch dưới khoảng 2 không có ý nghĩa.
- Ưu tiên lý thuyết. Nếu bạn biết quá trình (tăng trưởng kép, quy luật tỷ lệ), hãy dùng mô hình tương ứng ngay cả khi mô hình khác điểm cao hơn một chút.
- Giữ bậc đa thức thấp. Vượt quá bậc 3 hoặc 4, đa thức thường đuổi theo nhiễu và dao động mạnh ra ngoài dữ liệu. Đừng ngoại suy bằng nó.
Câu Hỏi Thường Gặp
- Làm sao chọn đường cong khớp nhất?
- Vẽ dữ liệu và từng đường cong, kiểm tra phần dư rải đều quanh 0, rồi so sánh AICc giữa các mô hình. Chỉ riêng R² luôn ưu ái mô hình có nhiều tham số nhất. Sau đó hãy tự hỏi liệu mô hình thắng cuộc có hợp lý với quá trình bạn đang nghiên cứu hay không, và liệu bạn có chỉ dùng nó trong khoảng từ x nhỏ nhất đến x lớn nhất hay không.
- Vì sao R² hàm mũ của tôi khác với Excel?
- Đường xu hướng hàm mũ của Excel khớp một đường thẳng qua ln y và báo cáo R² cho phép khớp trên thang log đó. Phép khớp phi tuyến bình phương tối thiểu cực tiểu hóa sai số trên chính y, và R² của nó được đo trên y. Công cụ này làm được cả hai, và hiển thị R² trên thang log cho tùy chọn biến đổi cùng R² trên thang gốc cho mọi mô hình để việc so sánh công bằng.
- Nên dùng đa thức bậc mấy?
- Dùng bậc thấp nhất nắm bắt được hình dạng bạn thấy, thường là 2 hoặc 3. Mỗi bậc thêm vào cho phép đường cong uốn thêm một lần và khớp nhiễu; R² tăng nhưng dự đoán tệ đi. Bạn cần ít nhất (bậc + 2) điểm dữ liệu, và nhiều hơn nữa để có phép khớp đáng tin cậy.
- Vì sao tôi không khớp được mô hình logarit, lũy thừa hay hàm mũ với dữ liệu của mình?
- Logarit chỉ được định nghĩa với số dương. Mô hình logarit hoặc lũy thừa cần mọi x lớn hơn 0, còn mô hình hàm mũ hoặc lũy thừa cần mọi y lớn hơn 0, vì phép khớp đi qua ln y hoặc ln x. Chỉ dịch chuyển dữ liệu (ví dụ, đo thời gian từ 1 thay vì 0) khi điều đó có ý nghĩa với bài toán của bạn.
- AIC và AICc nghĩa là gì?
- AIC cân bằng giữa độ khớp và độ phức tạp: bằng −2 lần log hợp lý cộng với hai lần số tham số (tính cả phương sai sai số). AICc thêm một hiệu chỉnh quan trọng khi n nhỏ so với số tham số. Giá trị thấp hơn thì tốt hơn, và chỉ chênh lệch mới có ý nghĩa. Các giá trị ở đây dùng định nghĩa của R, nên khớp với AIC của R cho cùng mô hình.
- Tôi có thể dùng phương trình đã khớp để dự đoán ngoài dữ liệu không?
- Chỉ với sự thận trọng lớn. Mọi đường cong ở đây là mô tả thực nghiệm của khoảng bạn đã đo. Đa thức có thể dao động mạnh ngay ngoài dữ liệu, còn hàm mũ có thể bùng nổ. Ô dự đoán sẽ cảnh báo khi giá trị x mới nằm ngoài khoảng đã quan sát.