Der Mathekurs von Coddy bringt dir die Methode selbst bei: Du arbeitest jeden Schritt auf einer interaktiven Tafel und erfährst genau, wo ein Zug schiefgegangen ist.
Die exponentielle Regression passt Wachstum an, das multipliziert statt addiert
Eine Gerade addiert bei jedem Schritt in x denselben Betrag. Vieles multipliziert sich stattdessen mit demselben Faktor: Geld mit Zinseszins, eine Bakterienkultur, die Restladung eines Akkus, der Temperaturunterschied zwischen einem abkühlenden Getränk und dem Raum. Dieses Muster ist y = a·bˣ, wobei a der Wert bei x = 0 ist und b der Faktor, der bei jedem Schritt angewendet wird. Ist b größer als 1, wächst die Größe, liegt b zwischen 0 und 1, nimmt sie ab, und (b minus 1) in Prozent ist die Rate pro Schritt.
Das übliche Verfahren nimmt den natürlichen Logarithmus jedes y. Wenn y = a·bˣ, dann ist ln y = ln a + x·ln b, eine Gerade in x. Das Verfahren legt also eine gewöhnliche Ausgleichsgerade nach der Methode der kleinsten Quadrate durch die Punkte (x, ln y), liest ln b an ihrer Steigung und ln a an ihrem Achsenabschnitt ab und macht die Logarithmen rückgängig. Genau das tun der Befehl ExpReg auf einem TI-84 und die exponentielle Trendlinie in Excel, und diese Seite zeigt jede Stufe: die Spalte ln y, die angepasste Gerade und die zwei Exponentialfunktionen, die a und b zurückholen.
Weil Logarithmen irrational sind, ist das der einzige Regressionsrechner dieser Reihe, dessen Ergebnisse gerundete Dezimalzahlen statt exakter Brüche sind, und das steht auch neben dem Ergebnis. Außerdem muss jedes y größer als 0 sein, weil der Logarithmus von 0 oder einer negativen Zahl nicht existiert. Das angezeigte r² ist das r² der Geraden durch ln y, also die Zahl, die ein grafikfähiger Taschenrechner ausgibt.
Was an der Kurve auffällt
b ist der Faktor pro Schritt und (b minus 1) die Rate. b ≈ 0,8195 heißt, dass bei jedem Schritt etwa 81,95 % des vorigen Werts bleiben, ein Zerfall von etwa 18,05 % pro Schritt.
a ist der angepasste Wert bei x = 0, nicht unbedingt der erste Datenpunkt. Für y = 100, 82, 67, 55, 45, 37 bei x = 0 bis 5 ergibt die Anpassung a ≈ 99,9517.
Dieselbe Kurve lässt sich als y = a·eᵏˣ mit k = ln b schreiben. Positives k ist Wachstum, negatives k Zerfall, und ln 2 / |k| ist die Verdopplungszeit oder die Halbwertszeit.
Die Anpassung minimiert die Quadrate bei ln y, nicht bei y. Sie gewichtet eine Abweichung von 10 % gleich, ob y nun 5 oder 5000 ist, und das passt zu Daten, die prozentual wachsen.
Ein hohes r² auf der logarithmischen Skala beweist kein exponentielles Wachstum. Die linearen Daten 5, 4, 3, 2, 1 ergeben bei einer exponentiellen Anpassung trotzdem r² ≈ 0,9473.
So rechnest du eine exponentielle Regression von Hand
1
Nimm den Logarithmus jedes y
Ersetze jedes y durch ln y. Für x = 0, 1, 2, 3, 4 und y = 3, 6, 12, 24, 48 ist die neue Spalte etwa 1,0986; 1,7918; 2,4849; 3,1781 und 3,8712.
2
Leg eine Gerade durch (x, ln y)
Nimm die gewöhnlichen Formeln der kleinsten Quadrate für Steigung und Achsenabschnitt, angewendet auf die Punkte (x, ln y). Hier ist die Steigung etwa 0,6931 und der Achsenabschnitt etwa 1,0986.
3
Mach die Logarithmen rückgängig
Die Steigung ist ln b und der Achsenabschnitt ln a, also ist b = e hoch Steigung und a = e hoch Achsenabschnitt. Hier b ≈ e^0,6931 = 2 und a ≈ e^1,0986 = 3.
4
Schreib die Kurve auf und lies die Rate ab
y ≈ 3·2ˣ, oder zur Basis e y ≈ 3e^(0,6931x). b = 2 heißt, dass jeder Schritt y mit 2 multipliziert: ein Wachstum von 100 % pro Schritt und eine Verdopplungszeit von genau einem Schritt.
Exponentielle Anpassungen für kleine Datensätze
Jede Zeile ist ein Datensatz, eingegeben in den Rechner oben. Alle Werte sind auf vier Nachkommastellen gerundet.
x-Werte
y-Werte
Ausgleichskurve
Änderung pro Schritt
r² von ln y
0, 1, 2, 3, 4
3, 6, 12, 24, 48
y ≈ 3 · 2ˣ
+100%
1
0, 1, 2, 3, 4, 5
100, 82, 67, 55, 45, 37
y ≈ 99.9517 · 0.8195ˣ
-18.05%
1.0000
1, 2, 3, 4, 5
2.1, 4.3, 8.9, 17.5, 36
y ≈ 1.0413 · 2.0313ˣ
+103.13%
0.9999
0, 1, 2, 3, 4
1000, 1050, 1102.5, 1157.625, 1215.50625
y ≈ 1000 · 1.05ˣ
+5%
1
0, 1, 2, 3, 4
5, 4, 3, 2, 1
y ≈ 5.6968 · 0.6762ˣ
-32.38%
0.9473
Gerechnete Beispiele
Verdopplung bei jedem Schritt
plain
x: 0, 1, 2, 3, 4; y: 3, 6, 12, 24, 48
Jedes y ist doppelt so groß wie das vorige, die Punkte liegen also genau auf y = 3·2ˣ, und der Rechner gibt a ≈ 3 und b ≈ 2 zurück, ein Wachstum von 100 % pro Schritt, mit r² = 1. Zur Basis e ist dieselbe Kurve y ≈ 3e^(0,6931x), und 0,6931 ist ln 2. Bis x = 6 fortgesetzt sagt sie 3·2⁶ = 192 voraus.
Zerfall: eine abkühlende Tasse Kaffee
plain
x: 0, 1, 2, 3, 4, 5; y: 100, 82, 67, 55, 45, 37
Lies y als den Temperaturunterschied zum Raum, gemessen alle fünf Minuten. Die Anpassung ist y ≈ 99,9517 · 0,8195ˣ, oder y ≈ 99,9517e^(-0,1991x): Bei jedem Schritt verschwinden etwa 18,05 % des Unterschieds, und die Halbwertszeit ist ln 2 / 0,1991, etwa 3,48 Schritte. Die Anpassung an die Logarithmen ist fast perfekt: r² ist auf fünf Stellen 0,99999, was der Rechner auf 1 rundet.
Verrauschtes Wachstum
plain
x: 1, 2, 3, 4, 5; y: 2.1, 4.3, 8.9, 17.5, 36
Die Werte verdoppeln sich ungefähr bei jedem Schritt, aber nicht genau. Die Anpassung ist y ≈ 1,0413 · 2,0313ˣ, ein Wachstum von etwa 103,13 % pro Schritt, mit r² ≈ 0,9999 auf der logarithmischen Skala. Zur Basis e ist k ≈ 0,7087, die Verdopplungszeit also ln 2 / 0,7087, etwa 0,98 Schritte.
Ein Guthaben von 1000 mit 5 % Zinsen pro Jahr. Der Rechner findet y ≈ 1000 · 1,05ˣ, eine Änderung von +5 % pro Schritt, mit r² = 1. Den Zinssatz aus einer Liste von Kontoständen zurückzugewinnen ist genau das, wofür diese Anpassung gedacht ist.
Wenn die Daten nicht exponentiell sind
plain
x: 0, 1, 2, 3, 4; y: 5, 4, 3, 2, 1
Diese Punkte fallen bei jedem Schritt um denselben Betrag, liegen also auf einer Geraden, y = -x + 5. Eine exponentielle Anpassung liefert trotzdem y ≈ 5,6968 · 0,6762ˣ mit r² ≈ 0,9473 auf der logarithmischen Skala, was ordentlich aussieht. Zeichne die Kurve zu den Punkten, und sie verfehlt beide Enden: Hier ist eine Gerade das richtige Modell, und die lineare Regression passt sie exakt an.
Häufige Fehler
Ein y von 0 oder darunter aufnehmen. Dort ist der Logarithmus nicht definiert, das Verfahren kann also nicht laufen. Wenn die Daten wirklich 0 erreichen, sind sie nicht exponentiell.
b als Prozentsatz lesen. b = 1,05 heißt ein Wachstum von 5 % pro Schritt, und b = 0,82 heißt ein Zerfall von 18 % pro Schritt, nicht von 82 %.
a mit dem ersten y-Wert verwechseln. a ist der angepasste Wert bei x = 0; er stimmt nur dann mit dem ersten Datenpunkt überein, wenn die Anpassung exakt ist und die Daten bei x = 0 beginnen.
Für einen Schritt den Zehnerlogarithmus und für den anderen e nehmen. Jede Basis funktioniert, solange du dieselbe Basis zum Logarithmieren und zum Rückgängigmachen benutzt.
Einem r² auf der logarithmischen Skala als Beweis für exponentielles Wachstum vertrauen. Auch Daten auf einer Geraden können über 0,9 kommen; zeichne die Kurve zu den Punkten.
Weit in die Zukunft extrapolieren. Exponentielles Wachstum stößt irgendwann immer an Grenzen, und eine angepasste Kurve kann nicht wissen, wann.
Häufige Fragen zur exponentiellen Regression
Wie rechne ich eine exponentielle Regression von Hand?
Nimm den natürlichen Logarithmus jedes y, leg eine gewöhnliche Ausgleichsgerade nach der Methode der kleinsten Quadrate durch die Punkte (x, ln y) und mach dann die Logarithmen rückgängig: b ist e hoch Steigung und a ist e hoch Achsenabschnitt. Für y = 3, 6, 12, 24, 48 bei x = 0 bis 4 hat die Gerade die Steigung 0,6931 und den Achsenabschnitt 1,0986, was b = 2 und a = 3 ergibt, also y = 3·2ˣ.
Was bedeuten a und b in y = a·bˣ?
a ist der Wert von y bei x = 0, und b ist der Faktor, mit dem y multipliziert wird, wenn x um 1 wächst. b über 1 ist Wachstum, b zwischen 0 und 1 ist Zerfall. Die Rate pro Schritt ist (b minus 1) in Prozent: b = 1,05 ist +5 %, b = 0,8195 ist etwa -18,05 %.
Wie bestimme ich die Wachstumsrate aus Daten?
Pass die Kurve an und lies b ab. Der Rechner gibt die Änderung pro Schritt in x als Prozentsatz aus: +103,13 % für das verrauschte Verdopplungsbeispiel auf dieser Seite, -18,05 % für den abkühlenden Kaffee. Wird x in Jahren gemessen, ist das die jährliche Rate.
Was ist der Unterschied zwischen y = a·bˣ und y = a·eᵏˣ?
Nur die Schreibweise. Es ist dieselbe Kurve mit k = ln b, also b = eᵏ. Die Form zur Basis e ist in den Naturwissenschaften verbreitet, weil k die stetige Rate ist und ln 2 / |k| direkt die Verdopplungszeit oder Halbwertszeit liefert.
Warum liefert der Rechner Dezimalzahlen statt Brüchen?
Weil das Verfahren Logarithmen nimmt, und der Logarithmus einer ganzen Zahl ist fast immer irrational. Der lineare und der quadratische Rechner dieser Reihe liefern exakte Brüche; dieser hier liefert auf vier Nachkommastellen gerundete Werte und kennzeichnet sie als Näherungen.
Warum weicht mein Ergebnis leicht von Excel oder meinem Taschenrechner ab?
Es sollte bis auf Rundung mit ExpReg auf dem TI-84 und der exponentiellen Trendlinie in Excel übereinstimmen, die beide ln y nach der Methode der kleinsten Quadrate anpassen. Software, die y direkt mit nichtlinearen kleinsten Quadraten anpasst, minimiert eine andere Größe und liefert leicht andere a und b, weil sie Abweichungen bei den größten Werten am stärksten gewichtet.
Darf y bei der exponentiellen Regression negativ oder null sein?
Nein. Das Verfahren nimmt den Logarithmus jedes y, und ln 0 sowie der Logarithmus einer negativen Zahl existieren nicht. Eine Kurve y = a·bˣ mit positivem a liegt ohnehin immer über 0, Daten, die 0 erreichen, folgen also keiner solchen Kurve.