Trying to learn how to translate from the human translation examples.
From professional translators, enterprises, web pages and freely available translation repositories.
in de praktijk wordt de normale verdeling vaak geparameteriseerd in termen van de "gekwadrateerde" schaalparameter formula_4, die de variantie van de verdeling is.
in practice the normal distribution is often parameterized in terms of the "squared" scale formula_13, which corresponds to the variance of the distribution.
@function=logfit @syntax=logfit(y_bekend;x_bekend) @description=logfit gebruikt de ``kleinste kwadraten'' methode om een logarithmische functie y = a + b * ln(sign * (x - c)) , teken = +1 or -1 aan uw gegevens te fitten. de grafiek van de functie is een logarithmische kromme die horizontaal verschoven is over c en die mogelijk gespiegels is in de y-as (als teken = -1). logfit heeft als resultaat een array met vijf kolommen en één rij. `teken' wordt in de eerste kolom gegeven, `a', `b', en `c' worden gegeven in kolommen 2 tot en met 4. kolom 5 bevat de som van de gekwadrateerde residuen. * als er minder dan drie verschillende x,y waarden zijn wordt er een foutmelding gegeven. * als de puntenwolk te afwijkend is van de logaritmische vorm wordt er een foutmelding gegeven. u kunt bovenstaande formule: y = a + b * ln(sign * (x - c)) gebruiken of deze herschikken tot x = (exp((y - a) / b)) / sign + c om onbekende waarden van respectievelijk y of x te vinden. to compute unknown y's or x's, respectively. technisch gesproken is dit non-lineair fitten door middel van 'trial-and-error' (proefondervindelijk). de nauwkeurigheid van `c' is: breedte van het x-bereik -> afgerond naar het eerst kleinere (10^geheel getal), keer 0,000001. er kunnen situaties zijn waarin de resultante kromme niet de best mogelijke is. @examples= @seealso=logreg,linest,logest
@function=logfit @syntax=logfit(known_y's,known_x's) @description=logfit function applies the ``least squares'' method to fit the logarithmic equation y = a + b * ln(sign * (x - c)) , sign = +1 or -1 to your data. the graph of the equation is a logarithmic curve moved horizontally by c and possibly mirrored across the y-axis (if sign = -1). logfit returns an array having five columns and one row. `sign' is given in the first column, `a', `b', and `c' are given in columns 2 to 4. column 5 holds the sum of squared residuals. an error is returned when there are less than 3 different x's or y's, or when the shape of the point cloud is too different from a ``logarithmic'' one. you can use the above formula = a + b * ln(sign * (x - c)) or rearrange it to = (exp((y - a) / b)) / sign + c to compute unknown y's or x's, respectively. technically, this is non-linear fitting by trial-and-error. the accuracy of `c' is: width of x-range -> rounded to the next smaller (10^integer), times 0.000001. there might be cases in which the returned fit is not the best possible. @examples= @seealso=logreg,linest,logest