Was ist der Unterschied zwischen Regression und Korrelation?

Die Regression liefert eine Funktion, mit der du Werte vorhersagen kannst, etwa $f(x) = k \cdot x + d$. Die Korrelation ist eine Kennzahl, der Korrelationskoeffizient $r$, die sagt, wie gut ein linearer Zusammenhang zu den Daten passt. Beide gehören zusammen: Die Technologie liefert oft Parameter und $r$ in einem Schritt, aber du musst jeden Teil für sich deuten können.

Wie deute ich den Korrelationskoeffizienten?

Nenne Richtung und Stärke: ein positives $r$ heißt, dass $y$ im Mittel mit $x$ wächst, ein negatives, dass $y$ sinkt. Je näher $|r|$ bei 1 liegt, desto stärker ist der lineare Zusammenhang, je näher bei 0, desto schwächer. Ein Wert nahe 0 schließt einen Zusammenhang anderer Art nicht aus. Eine Aussage über die Ursache darfst du aus $r$ nie ableiten.

Stehen die Formeln in der Formelsammlung?

Für die lineare Regression ja: Kapitel 20 (S. 18) gibt $k$, $d$ und $r$ an. Quadratische, kubische und exponentielle Regression stehen nicht im Heft, sie werden mit Technologie bestimmt. Dort musst du nichts rechnen, aber den Technologieeinsatz festhalten und das Ergebnis deuten. Das Heft nennt auch nicht, was die Parameter im Kontext bedeuten.

Wie dokumentiere ich die Regression mit Technologie?

Schreibe auf, welche Wertepaare du verwendet hast und welche Regression du gewählt hast, zum Beispiel „exponentielle Regression der Wertepaare $(0 \mid 34\,000)$ bis $(4 \mid 44\,100)$“. Das verlangt das Korrekturheft der BHS: verwendete Ausgangsparameter und Technologiefunktion müssen angegeben sein. Danach folgt die Funktionsgleichung mit den gerundeten Parametern.

Wann darf ich eine Regressionsfunktion für eine Prognose verwenden?

Innerhalb des Datenbereichs bist du in der Regel auf der sicheren Seite, das ist eine Interpolation. Außerhalb ist es eine Extrapolation: Das Modell beschreibt, was in den Daten passiert ist, nicht was bleibt. Schreibe bei einer Prognose dazu, dass sie nur gilt, solange der Zusammenhang so weitergeht, und prüfe, ob der Wert im Kontext möglich ist.

Was bedeutet die Methode der kleinsten Quadrate?

Aus allen Geraden wird die gewählt, bei der die Summe der quadrierten senkrechten Abstände der Punkte zur Geraden am kleinsten ist. Das Quadrieren verhindert, dass sich positive und negative Abstände aufheben, und bestraft große Abweichungen stärker. Die Formeln für $k$ und $d$ in der Formelsammlung sind das Ergebnis dieser Minimierung.

Regression: Regressionsgerade und Korrelationskoeffizient

In der Klausur

aus den Katalogen des BMB

Was der Katalog jeder Schulform zu diesem Thema sagt, und in welchen Aufgaben der Klausuren es gefragt wurde.

Angewandte Mathematik (BAfEP, BASOP, BRP), Teil B
- B_P_5.1bei anwendungsbezogenen Aufgabenstellungen mithilfe von Ausgleichsfunktionen/Regressionsfunktionen (Polynomfunktionen bis Grad 4, Exponentialfunktionen, Logarithmusfunktionen) mittels Technologieeinsatz modellieren, im Sachzusammenhang interpretieren und damit argumentieren; den Korrelationskoeffizienten nach Pearson bestimmen und im Sachzusammenhang interpretieren
Gefragt in allen 8 Klausuren seit Mai 2024.
Herbsttermin 2026: Aufgaben 8c1, 8d1; Haupttermin 2026: Aufgaben 9c1, 9c2; Wintertermin 2026: Aufgaben 8d1, 8d2; Herbsttermin 2025: Aufgaben 8a1, 8a2; Haupttermin 2025: Aufgaben 7b1, 7b2; Wintertermin 2025: Aufgaben 8b1, 8b2, 8b3; Herbsttermin 2024: Aufgaben 9a1, 9a2; Haupttermin 2024: Aufgaben 8b1, 8b2
Formelsammlung: ja · Technologie: erlaubt
Alle Themen dieser Klausur Die Formelsammlung Die Klausur vom Herbsttermin 2026 kostenlos schreiben
Angewandte Mathematik (HAK), Teil B
- B_W2_5.2lineare, quadratische, kubische und exponentielle Regression bei zweidimensionalen Datenmengen erklären, mittels Technologieeinsatz zugehörige Regressionsfunktionen bestimmen, grafisch darstellen, Ergebnisse interpretieren und im Regressionskontext argumentieren; Methode der kleinsten Quadrate erklären und interpretieren
- B_W_5.3Korrelationskoeffizient nach Pearson mittels Technologieeinsatz ermitteln und interpretieren
Gefragt in 6 der 8 Klausuren seit Mai 2024.
Haupttermin 2026: Aufgaben 9a1, 9a2; Wintertermin 2026: Aufgabe 7b1; Herbsttermin 2025: Aufgaben 7b3, 7b4, 8a1; Haupttermin 2025: Aufgabe 7a1; Wintertermin 2025: Aufgaben 8b1, 8b2; Herbsttermin 2024: Aufgaben 9a1, 9a2, 9a3
Formelsammlung: ja · Technologie: erlaubt
Alle Themen dieser Klausur Die Formelsammlung Die Klausur vom Herbsttermin 2026 kostenlos schreiben
Angewandte Mathematik (HUM/HLFS), Teil B
- B_W1_5.2lineare, quadratische, kubische und exponentielle Regression bei zweidimensionalen Datenmengen erklären, mittels Technologieeinsatz zugehörige Regressionsfunktionen bestimmen, grafisch darstellen, Ergebnisse interpretieren und im Regressionskontext argumentieren
- B_W_5.3Korrelationskoeffizient nach Pearson mittels Technologieeinsatz ermitteln und interpretieren
Gefragt in 5 der 8 Klausuren seit Mai 2024.
Wintertermin 2026: Aufgabe 7b1; Herbsttermin 2025: Aufgaben 7b3, 7b4, 8a1; Haupttermin 2025: Aufgabe 7a1; Wintertermin 2025: Aufgaben 8b1, 8b2; Herbsttermin 2024: Aufgaben 9a1, 9a2, 9a3
Formelsammlung: ja · Technologie: erlaubt
Alle Themen dieser Klausur Die Formelsammlung Die Klausur vom Herbsttermin 2026 kostenlos schreiben
Angewandte Mathematik (HTL 1), Teil B
- B_T_5.4lineare Regression und Korrelation: Zusammenhangsanalysen für anwendungsbezogene Problemstellungen beschreiben und relevante Größen (Parameter der Funktionsgleichung, Korrelationskoeffizient nach Pearson) mittels Technologieeinsatz berechnen und interpretieren sowie die Methode der kleinsten Quadrate erklären und interpretieren
Gefragt in 5 der 8 Klausuren seit Mai 2024.
Herbsttermin 2026: Aufgabe 7a1; Haupttermin 2026: Aufgaben 7a1, 7a3; Haupttermin 2025: Aufgabe 9b1; Herbsttermin 2024: Aufgabe 9b1; Haupttermin 2024: Aufgabe 8c1
Formelsammlung: ja · Technologie: erlaubt
Alle Themen dieser Klausur Die Formelsammlung Die Klausur vom Herbsttermin 2026 kostenlos schreiben
Angewandte Mathematik (HTL 2), Teil B
- B_T_5.4lineare Regression und Korrelation: Zusammenhangsanalysen für anwendungsbezogene Problemstellungen beschreiben und relevante Größen (Parameter der Funktionsgleichung, Korrelationskoeffizient nach Pearson) mittels Technologieeinsatz berechnen und interpretieren sowie die Methode der kleinsten Quadrate erklären und interpretieren
- B_T2_5.5mit Ausgleichsfunktionen (linear, quadratisch, kubisch, exponentiell) modellieren, diese mittels Technologieeinsatz bestimmen, die Ergebnisse interpretieren sowie die Methode der kleinsten Quadrate erklären und interpretieren
Gefragt in 3 der 8 Klausuren seit Mai 2024.
Herbsttermin 2026: Aufgabe 7a1; Haupttermin 2026: Aufgaben 7a1, 7a3; Wintertermin 2025: Aufgabe 9b2
Formelsammlung: ja · Technologie: erlaubt
Alle Themen dieser Klausur Die Formelsammlung Die Klausur vom Herbsttermin 2026 kostenlos schreiben

Gezählt: AHS die Haupttermine 2022–2026, BHS alle Klausuren seit Mai 2024. Eine Klausur zählt, wenn eine Aufgabe das Thema fragt.

Das Wichtigste

was du wissen musst

Die Messwerte sind Wertepaare $(x_1 \mid y_1), \ldots, (x_n \mid y_n)$ , im Koordinatensystem eine Punktwolke. Eine Regressionsfunktion (Ausgleichsfunktion, Trendlinie) beschreibt den Zusammenhang näherungsweise. Sie geht nicht durch alle Punkte, sondern möglichst nahe an allen vorbei.
Die lineare Regressionsfunktion $f(x) = k \cdot x + d$ hat die Steigung $k ={}$ $\frac{\sum (x_i - \overline{x}) \cdot (y_i - \overline{y})}{\sum (x_i - \overline{x})^2}$ und den Abschnitt $d ={}$ $\overline{y} -{}$ $k \cdot \overline{x}$ . Die Formelsammlung druckt beide in Kapitel 20 (S. 18). Die Gerade geht immer durch den Schwerpunkt $(\overline{x} \mid \overline{y})$ .
Die Methode der kleinsten Quadrate wählt $k$ und $d$ so, dass die Summe der quadrierten senkrechten Abstände $\sum (y_i - f(x_i))^2$ möglichst klein ist. Quadriert wird, damit sich Abstände nach oben und unten nicht aufheben und große Abweichungen stärker zählen.
Der Korrelationskoeffizient nach Pearson $r$ misst, wie gut die Punkte auf einer Geraden liegen. Es gilt $-1 \leq r \leq 1$ . Das Vorzeichen von $r$ ist das der Steigung $k$ . Bei $|r|$ nahe 1 ist der lineare Zusammenhang stark, bei $r$ nahe 0 gibt es keinen linearen Zusammenhang. Auch ein großes $|r|$ beweist keine Ursache.
Deute die Parameter im Kontext: $k$ ist die Änderung von $y$ pro Einheit von $x$ und hat die Einheit „Einheit von $y$ pro Einheit von $x$ “. $d$ ist der Wert bei $x = 0$ , der außerhalb der Daten oft nichts bedeutet.
Andere Ausgleichsfunktionen bestimmst du mit der Technologie: im Cluster P Polynomfunktionen bis Grad 4, Exponential- und Logarithmusfunktionen (B_P_5.1), in der HAK, der HUM und der HTL 2 quadratische, kubische und exponentielle wie $f(x) = a \cdot b^x$ . Der Katalog der HTL 1 nennt nur die lineare Regression. Die Punktwolke und der Kontext zeigen, welcher Typ passt.
Ein Prognosewert innerhalb des Datenbereichs ist eine Interpolation, außerhalb eine Extrapolation. Je weiter du dich von den Daten entfernst, desto unsicherer ist der Wert. Sage in der Antwort dazu, dass das Modell nur näherungsweise gilt.

So gehst du vor

Schritt für Schritt

1.Punktwolke ansehen und den Typ wählen
Zeichne oder betrachte die Punkte: Liegen sie auf einer Geraden, nimmst du eine lineare, wachsen sie immer schneller, eine exponentielle Regression.
2.Technologie einsetzen und dokumentieren
Gib die Wertepaare, den Funktionstyp und die verwendete Funktion an, etwa „exponentielle Regression der Wertepaare …“. So verlangt es das Korrekturheft.
3.Parameter und Funktionsgleichung angeben
Schreibe die Funktionsgleichung mit den Parametern auf und runde sinnvoll. Vergiss nicht, was $x$ und $f(x)$ bedeuten.
4.Korrelationskoeffizienten deuten
Lies Vorzeichen und Betrag von $r$ ab: Richtung und Stärke des linearen Zusammenhangs. Daraus folgt nichts über Ursache und Wirkung.
5.Prognose und Grenzen
Setze den gewünschten Wert in die Funktion ein, prüfe, ob er innerhalb der Daten liegt, und nenne die Unsicherheit.

Beispiele

Versuch es zuerst selbst und vergleiche dann mit dem Lösungsweg.

1.Regressionsgerade mit der Formelsammlung
Eine Boutique hat in den Jahren 1 bis 5 nach der Eröffnung die Umsätze 3, 5, 4, 7 und 8 (in € 1 000). Bestimme die lineare Regressionsfunktion und den Korrelationskoeffizienten und prognostiziere den Umsatz im Jahr 7.
2.Parameter und Korrelation deuten
Für den Preis gebrauchter Autos desselben Modells in Abhängigkeit vom Alter $t$ in Jahren liefert die Technologie die Regressionsfunktion $f(t) ={}$ $-1\,850 \cdot t +{}$ $24\,300$ ( $f(t)$ in €) und den Korrelationskoeffizienten $r = -0{,}96$ . Deute $k$ , $d$ und $r$ und berechne den Preis nach 5 Jahren.
3.Exponentielle Regressionsfunktion deuten
Die Technologie liefert für die Anzahl der Nutzer einer App die exponentielle Regressionsfunktion $f(t) ={}$ $120 \cdot 1{,}15^t$ ( $t$ in Monaten, $f(t)$ in Tausend). Gib die monatliche Zunahme in Prozent an, berechne die Verdoppelungszeit und die Nutzer nach 6 Monaten.

Eine Aufgabe aus der Zentralmatura

eine echte Maturaaufgabe

So steht die Aufgabe in der Klausur, mit dem Text der Aufgabe darüber. Versuch sie zuerst selbst, bevor du den Lösungsweg öffnest.

ZentralmaturaCluster P

Stadtbibliothek (Aufgabe 8, Teil c)

In einer Stadtbibliothek können verschiedene Medien (Bücher, Spiele und DVDs) entlehnt werden. In der nachstehenden Tabelle ist die Anzahl der entlehnten Medien für den Zeitraum von 2015 bis 2019 angegeben.

Jahr	2015	2016	2017	2018	2019
Anzahl der entlehnten Medien	34 000	35 500	38 000	41 300	44 100

Die zeitliche Entwicklung der Anzahl der entlehnten Medien kann näherungsweise durch die Exponentialfunktion

f

beschrieben werden.

f(t) = a \cdot b^t

t

... Zeit in Jahren mit

t = 0

für das Jahr 2015

f(t)

... Anzahl der entlehnten Medien zur Zeit

t

Aufgabe 8, Teilaufgabe c1

Stellen Sie mithilfe der Regressionsrechnung eine Gleichung der Exponentialfunktion

f

auf.

Datenquelle: Bundesministerium für Bildung — Zentralmatura, Angewandte Mathematik (BAfEP/BASOP/BRP), Herbsttermin 2025/26 (22. September 2026), Aufgabe 8, Teilaufgabe c1 — matura.gv.at, CC BY 4.0 · Die Klausur auf matura.gv.at · Die ganze Klausur kostenlos schreiben

Je nach Schulform und Cluster

AHS, Teil A, Teil B

Angewandte Mathematik (HAK)

Der Teil-B-Katalog der HAK verlangt in B_W2_5.2, lineare, quadratische, kubische und exponentielle Regression bei zweidimensionalen Datenmengen zu erklären, die Regressionsfunktionen mit Technologie zu bestimmen, grafisch darzustellen, die Ergebnisse zu interpretieren und im Regressionskontext zu argumentieren, dazu die Methode der kleinsten Quadrate zu erklären. B_W_5.3 nennt den Korrelationskoeffizienten nach Pearson mit Technologieeinsatz. Du dokumentierst den Technologieeinsatz mit Funktion und Ausgangsparametern.

Angewandte Mathematik (HUM/HLFS)

Der Teil-B-Katalog der HUM hat B_W1_5.2 mit denselben vier Regressionstypen: linear, quadratisch, kubisch und exponentiell, bestimmt mit Technologie, grafisch dargestellt und im Regressionskontext gedeutet. Die Methode der kleinsten Quadrate nennt dieser Deskriptor nicht. B_W_5.3 verlangt den Korrelationskoeffizienten nach Pearson mit Technologie, ermittelt und interpretiert.

Angewandte Mathematik (HTL 1)

Der Teil-B-Katalog der HTL 1 hat B_T_5.4: lineare Regression und Korrelation, mit den Parametern der Funktionsgleichung und dem Korrelationskoeffizienten nach Pearson mit Technologie berechnet und interpretiert, dazu die Methode der kleinsten Quadrate erklären und interpretieren. Quadratische, kubische und exponentielle Regression nennt der Katalog der HTL 1 nicht. Du brauchst also die lineare Regression und ihre Deutung.

Angewandte Mathematik (HTL 2)

In der HTL 2 gilt dasselbe wie in der HTL 1 (B_T_5.4), dazu kommt B_T2_5.5: mit Ausgleichsfunktionen linear, quadratisch, kubisch und exponentiell modellieren, mit Technologie bestimmen, die Ergebnisse interpretieren und die Methode der kleinsten Quadrate erklären und interpretieren. Du bestimmst den Typ aus der Punktwolke und begründest ihn im Kontext.

Teste dich selbst

gleich auswerten

Wähle oder tippe deine Antwort und werte sie gleich aus: der Lösungsweg erscheint unter der Aufgabe.

Cluster P

Aufgabe 1.

In einer Stadtbibliothek können verschiedene Medien (Bücher, Spiele und DVDs) entlehnt werden. Die zeitliche Entwicklung der Einnahmen der Stadtbibliothek kann näherungsweise durch die lineare Regressionsfunktion

g

beschrieben werden.

t

... Zeit in Jahren mit

t = 0

für das Jahr 2015

g(t)

... Einnahmen zur Zeit

t

in GE Für den zugehörigen Korrelationskoeffizienten

r

gilt:

r > 0

Ergänzen Sie die Textlücken im nachstehenden Satz durch Ankreuzen des jeweils zutreffenden Satzteils so, dass eine richtige Aussage entsteht.

Die Steigung der Funktion

g

ist und hat die Einheit .

Datenquelle: Bundesministerium für Bildung — Zentralmatura, Angewandte Mathematik (BAfEP/BASOP/BRP), Herbsttermin 2025/26 (22. September 2026), Aufgabe 8, Teilaufgabe d1 — matura.gv.at, CC BY 4.0

Cluster P

Aufgabe 2.

Gegeben sind die Wertepaare

(1 \mid 8)

,

(2 \mid 6)

,

(3 \mid 5)

und

(4 \mid 1)

. Berechne den Abschnitt

d

der linearen Regressionsfunktion

f(x) = k \cdot x + d

. Runde auf eine Nachkommastelle.

Aufgabe für diese Seite — Lösungsweg von Kleksa.

Cluster P

Aufgabe 3.

Für die Höhe einer Sonnenblume liefert die Technologie aus Messungen vom 10. bis zum 40. Tag die Regressionsfunktion

h(t) ={}

4{,}5 \cdot t - 30

(

t

in Tagen,

h(t)

in cm). Welche Aussage ist richtig?

Aufgabe für diese Seite — Lösungsweg von Kleksa.

Cluster P

Aufgabe 4.

Eine Regressionsgerade mit dem Korrelationskoeffizienten

r

wird für Wertepaare

(x_i \mid y_i)

bestimmt. Kreuze die beiden zutreffenden Aussagen an.

Wähle höchstens 2

Aufgabe für diese Seite — Lösungsweg von Kleksa.

Mehr Aufgaben: schreib kostenlos eine ganze Klausur

Typische Fehler

wo Punkte verloren gehen

Den Korrelationskoeffizienten mit der Steigung verwechseln. Der Wert $r$ liegt immer zwischen $-1$ und $1$ , die Steigung $k$ hängt von den Einheiten ab und kann jeden Wert haben. Nur ihr Vorzeichen stimmt überein.
Aus einer starken Korrelation auf eine Ursache schließen. Wenn zwei Größen gemeinsam wachsen, kann eine dritte Größe beide treiben. In der Antwort heißt es „besteht ein starker linearer Zusammenhang“, nicht „verursacht“.
Den Abschnitt $d$ immer deuten. $d$ gehört zu $x = 0$ . Liegt $x = 0$ weit außerhalb der Daten oder ergibt es im Kontext keinen Sinn, ist $d$ nur ein Rechenwert.
Den falschen Typ wählen. Wachsen die Werte in gleichen Schritten um fast denselben Faktor, passt eine exponentielle Regression besser als eine Gerade, und ein $r$ nahe 1 ändert daran nichts.
Das Technologieergebnis ohne Ansatz hinschreiben. Nenne die Wertepaare und die Funktion, etwa „exponentielle Regression der Wertepaare …“. Ohne das bringt ein offenes Format keinen Punkt.

Merk dir

Regressionsgerade: $f(x) = k \cdot x + d$ , $d ={}$ $\overline{y} -{}$ $k \cdot \overline{x}$ .
$-1 \leq r \leq 1$ , Vorzeichen von $r$ gleich Vorzeichen von $k$ .
Korrelation ist keine Kausalität.
Kleinste Quadrate: Summe der quadrierten Abstände minimal.
Prognose außerhalb der Daten ist eine Extrapolation.
Formelsammlung: Kapitel 20 „Lineare Regression“, S. 18.

Häufige Fragen

1.Was ist der Unterschied zwischen Regression und Korrelation?+
Antwort:Die Regression liefert eine Funktion, mit der du Werte vorhersagen kannst, etwa $f(x) = k \cdot x + d$ . Die Korrelation ist eine Kennzahl, der Korrelationskoeffizient $r$ , die sagt, wie gut ein linearer Zusammenhang zu den Daten passt. Beide gehören zusammen: Die Technologie liefert oft Parameter und $r$ in einem Schritt, aber du musst jeden Teil für sich deuten können.
2.Wie deute ich den Korrelationskoeffizienten?+
Antwort:Nenne Richtung und Stärke: ein positives $r$ heißt, dass $y$ im Mittel mit $x$ wächst, ein negatives, dass $y$ sinkt. Je näher $|r|$ bei 1 liegt, desto stärker ist der lineare Zusammenhang, je näher bei 0, desto schwächer. Ein Wert nahe 0 schließt einen Zusammenhang anderer Art nicht aus. Eine Aussage über die Ursache darfst du aus $r$ nie ableiten.
3.Stehen die Formeln in der Formelsammlung?+
Antwort:Für die lineare Regression ja: Kapitel 20 (S. 18) gibt $k$ , $d$ und $r$ an. Quadratische, kubische und exponentielle Regression stehen nicht im Heft, sie werden mit Technologie bestimmt. Dort musst du nichts rechnen, aber den Technologieeinsatz festhalten und das Ergebnis deuten. Das Heft nennt auch nicht, was die Parameter im Kontext bedeuten.
4.Wie dokumentiere ich die Regression mit Technologie?+
Antwort:Schreibe auf, welche Wertepaare du verwendet hast und welche Regression du gewählt hast, zum Beispiel „exponentielle Regression der Wertepaare $(0 \mid 34\,000)$ bis $(4 \mid 44\,100)$ “. Das verlangt das Korrekturheft der BHS: verwendete Ausgangsparameter und Technologiefunktion müssen angegeben sein. Danach folgt die Funktionsgleichung mit den gerundeten Parametern.
5.Wann darf ich eine Regressionsfunktion für eine Prognose verwenden?+
Antwort:Innerhalb des Datenbereichs bist du in der Regel auf der sicheren Seite, das ist eine Interpolation. Außerhalb ist es eine Extrapolation: Das Modell beschreibt, was in den Daten passiert ist, nicht was bleibt. Schreibe bei einer Prognose dazu, dass sie nur gilt, solange der Zusammenhang so weitergeht, und prüfe, ob der Wert im Kontext möglich ist.
6.Was bedeutet die Methode der kleinsten Quadrate?+
Antwort:Aus allen Geraden wird die gewählt, bei der die Summe der quadrierten senkrechten Abstände der Punkte zur Geraden am kleinsten ist. Das Quadrieren verhindert, dass sich positive und negative Abstände aufheben, und bestraft große Abweichungen stärker. Die Formeln für $k$ und $d$ in der Formelsammlung sind das Ergebnis dieser Minimierung.

Siehe auch

Alle Themen: Angewandte Mathematik (Cluster P)

Quellen

Die Zeilen der Kataloge sind aus den Dokumenten des Bundesministeriums für Bildung zitiert; die Zählung ist von uns.

Seite geprüft am 28. Oktober 2026

Lineare Regression und Korrelation: Regressionsgerade und Korrelationskoeffizient

In der Klausur

Das Wichtigste

So gehst du vor

1.Punktwolke ansehen und den Typ wählen

2.Technologie einsetzen und dokumentieren

3.Parameter und Funktionsgleichung angeben

4.Korrelationskoeffizienten deuten

5.Prognose und Grenzen

Beispiele

1.Regressionsgerade mit der Formelsammlung

2.Parameter und Korrelation deuten

3.Exponentielle Regressionsfunktion deuten

Eine Aufgabe aus der Zentralmatura

Stadtbibliothek (Aufgabe 8, Teil c)

Je nach Schulform und Cluster

Angewandte Mathematik (HAK)

Angewandte Mathematik (HUM/HLFS)

Angewandte Mathematik (HTL 1)

Angewandte Mathematik (HTL 2)

Teste dich selbst

Typische Fehler

Merk dir

Häufige Fragen

Siehe auch

Quellen

Zum Schluss.