在線即時計算器 · 純前端本地秒算 · 零數據上傳

📈 Frequency Weighted Exponential Regression 計算機

專業免費的 Frequency Weighted Exponential Regression 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
y = 0.9939929467 * e^(1.001958614 * x) y = A · e^(B · x)
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

這個計算器的用途

本工具會把形式為 y = A · e^{Bx} 的指數趨勢曲線,擬合到一組「頻率加權」的資料中。每一筆資料都是一組三元組 (x, y, f),其中 f 代表頻率或權重,也就是該筆觀測值出現的次數。計算後會回傳擬合出的係數 A 與 B,並附上底層線性擬合的相關係數 r。這純粹是數學運算,不受任何地區規則影響,在世界各地的結果都完全一致。

使用方法

每行輸入一個資料點,格式為 x, y, f。由於模型是透過取自然對數來線性化,因此 y 值必須大於 0。如果省略第三欄,頻率會自動預設為 1。接著選擇要顯示的有效位數,即可讀取 A、B、r 以及代入數值後的擬合方程式。

公式解析

因為 \ln y = \ln A + B · x,所以擬合指數曲線其實等同於對 \ln y 與 x 進行加權線性迴歸。我們使用加權總和(每一項都乘上頻率 f),定義 n = \sum f、加權平均數 \bar{x} 與 \bar{L}(ln y 的平均)、以及加權平方和 S_{xx}、S_{yy} 與交叉乘積 S_{xy}。於是可得

B = ((S_{xy}) ÷ (S_{xx})), A = e^{ \bar{L} - B · \bar{x}}, r = ((S_{xy}) ÷ (\sqrt{S_{xx}} · \sqrt{S_{yy}})).
當 r 越接近 ± 1,代表擬合程度越好。

範例演練

取四個點 (1, 2.7)、(2, 7.4)、(3, 20.1)、(4, 54.6),頻率皆為 1,這些點都很接近 y = e^{x}。計算可得 \bar{x} = 2.5、\bar{L} ≈ 2.49887、S_{xx} = 5、S_{xy} ≈ 5.0098、S_{yy} ≈ 5.0196。因此 B ≈ 1.0020,A = e^{ (2.49887 - 2.5048)} ≈ 0.9940,r ≈ 0.9998。擬合出的方程式約為

y = 0.9940 · e^{ (1.0020 · x)},
基本上就是 y = e^{x}。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

為什麼 y 必須是正數?
因為擬合過程會用到 \(\ln(y)\),而 0 或負數的對數沒有定義,所以這類資料列會被排除。
頻率 f 代表什麼?
它決定每個資料點對擬合結果的影響力高低,特別適合用在許多觀測值共用同一組 (x, y) 的次數分配表。
該如何解讀 r?
\(|r|\) 大於 0.7 表示強相關,0.4–0.7 為中等相關,0.2–0.4 為弱相關,低於 0.2 則幾乎沒有相關性。