Você está na página 1de 13

Aplicaie: modelul de regresie liniar simpl (estimare, testare, predicie)

Se consider un model de forma:


K , 2 , 1 , = + + = i x y
i i i
(1)
reprezentnd ecuaia (dreapta) de regresie ce s-ar obine dac am dispune de date despre ntreaga
populaie statistic, unde i desemneaz parametrii ce specific acest model. Modelul are o parte
determinist,
i
x + , dar i o component aleatoare, desemnat de erorile
i
.
Despre erori se fac urmtoarele ipoteze:
Media (sperana matematic) a erorii
i
este nul:
| | i E
i
= , 0
Dispersia erorii
i
este constant:
| | | | constant
2 2
= = =
i i
E Var , i
Erorile reprezint o secven de variabile aleatoare necorelate ntre ele, prin urmare,
covariana dintre dou erori distincte
i
i
j
este nul:
| | | | j i E Cov
j i j i
= = , 0 ,

n realitate nu dispunem dect de date cu privire la un eantion de volum n . n cel mai
simplu caz cu putin, acesta este obinut din observarea a dou variabile :
- o variabil x de intrare (numit i variabil independent, sau de tip cauz);
- o variabil y de ieire (numit i variabil dependent, sau de tip efect).
Pe baza datelor din eantion ne propunem s estimm o ecuaie (dreapt) de regresie de o
form similar cu cea a pupulaiei, specificat prin:
n i e x b a y
i i i
, , 1 , K = + + = (2)
unde a i b reprezint estimaii ale parametrilor , respectiv , iar n este volumul eantionului. Partea
determinist este
i
x b a + , iar
i
e se numesc reziduuri.
Pentru facilitarea calculelor, vom presupune un eantion de volum mic, 6 = n . Datele privind
perechea (x, y) sunt:

x
i
y
i
-----------
1 2.0
2 3.1
3 3.9
4 5.1
5 5.9
6 7.0

Reprezentarea grafic a perechilor (x
i
, y
i
) n planul XOY este urmtoarea:

Din grafic se observ c datele se aliniaz aproximativ de-a lungul unei drepte, ceea ce
justific opiunea de a estima un model liniar (dreapt de regresie).
Mediile celor dou variabile, calculate pentru datele de mai sus sunt:

5 . 3
1
= =

=
n
x
x
n
i
i
; 5 . 4
1
= =

=
n
x
y
n
i
i


Prin centrarea variabilelor n raport cu mediile, adic prin calcularea diferenelor x

- x ,
respectiv y

- y , se obine:
x
i
- x y
i
- y
-------------------------
-2.50000 -2.50000
-1.50000 -1.40000
-0.50000 -0.60000
0.50000 0.60000
1.50000 1.40000
2.50000 2.50000

Sume necesare n calculele ulterioare:

( )

=
=
n
i
i xx
x x S
1
2
= 17.500000000000000
( )

=
=
n
i
i yy
y y S
1
2
= 17.140000000000001
( ) ( )

=
=
n
i
i i xy
y y x x S
1
= 17.299999999999997


Determinarea coeficienilor de regresie prin metoda CMMPO

Estimatorii a i b ai parametrilor (necunoscui) i pot fi determinai din condiia s
minimizeze suma ptratelor reziduurilor ,
i i i
x b a y e = deci rezult ca argumente ale criteriului de
minim:
( ) ( )

=
=
n
i
i i
x b a y b a F
1
2
min arg , min arg (3)
cunoscut sub numele de criteriul celor mai mici ptrate ordinare (CMMPO).
Formulat ca problem de optimizare, determinarea estimatorilor a i b face apel la condiiile
necesare de ordinul nti:
( )
( )
( )
( )

= = =

= = =



= =
= =
0 2 2
,
0 2 2
,
1 1
1 1
n
i
i i
n
i
i i i
n
i
i
n
i
i i
e x x x b a y
b
b a F
e x b a y
a
b a F
(4)
din care se deduce urmtorul sistem de ecuaii normale:

= +
= +


= = =
= =
i
n
i
i
n
i
i
n
i
i
n
i
n
i
i i
y x x b x a
y x b a n
1 1
2
1
1 1
(5)
Soluiile acestuia pot fi exprimate prin:

( )( )
( )

=


=

x b y a
x x
y y x x
b
i
i i
2
(6)

Cu ajutorul diferenelor x
i
- x , respectiv y
i
- y , calculate anterior, obinem:

b = 0.98857
a = 1.04000

Determinarea valorilor estimate ale lui y

nlocuind coeficienii astfel estimai (a i b) n partea determinist a modelul de regresie,
obinem valorile estimate ale lui y , notate prin
i
y , adic:

n i x b a y
i i
, , 1 , K = + =
deci:
i
y
-------------------------
2.028571428571429
3.017142857142857
4.005714285714285
4.994285714285715
5.982857142857142
6.971428571428572


Determinarea rezidurilor
i
e

ntruct
n i e y e x b a y
i i i i i
, , 1 , K = + = + + =

rezult c reziduurile
i
e se pot obine prin calculul diferenelor:

n i y y e
i i i
, , 1 , K = =
adic:
i
e
-------------------------
-0.028571428571429
0.082857142857143
-0.105714285714285
0.105714285714285
-0.082857142857142
0.028571428571428


Determinarea estimaiei nedeplasate a dispersiei erorilor

O estimaie nedeplasat a dispersiei
2
a erorilor
i
(asociate modelului populaiei, deci
necunoscute), se poate obine pe baza valorilor calculate mai sus ale reziduurilor
i
e :
1428571 0.00942857
2 - 6
5714285 0.03771428
2
2
2
= =

=

n
e
s
i i


Determinarea dispersiilor
2
a
s i
2
b
s ale estimaiilor a i b ale coeficienilor de regresie

Cu ajutorul lui
2
s se pot calcula acum dispersiile estimaiilor a i b ale coeficienilor de
regresie:
( )
|
|
|
|

\
|

+ =

=
n
i
i
a
x x
x
n
s s
1
2
2
2 2
1
= 0.008171428571428

( )

=

=
n
i
i
b
x x
s s
1
2
2 2
1
= 0.000538775510204

Determinarea abaterilor standard
a
s i
b
s ale estimaiilor a i b ale coeficienilor de
regresie

Abaterile standard ale estimaiilor a i b sunt:

2
a a
s s = = 0.090395954397465
2
b b
s s = = 0.023211538298960


Teste de semnificaie i intervale de ncredere ale parametrilor de regresie

ntruct a i b reprezint estimaiile (calculate pe baz de eantion) a doi parametri
necunoscui, i , corespunztori modelului popolaiei, suntem interesai s testm anumite
ipoteze statistice cu privire la parametrii necunoscui i .
Spre deosebire de parametrii i , care sunt unici (asemeni populaiei pe care o
reprezint), valorile estimaiilor a i b depind de alegerea (aleatoare) a eantionului, deci reprezint ele
nsele variabile aleatoare. Prin urmare, rapoartele

a i
s a / ) ( , respectiv
b i
s b / ) (

reprezint la rndul lor variabile aleatoare. Se poate arta c variabilele aleatoare definit de aceste
rapoarte urmeaz o distribuie Student cu (n-2) grade de libertate, adic:

2
~

n
a
t
s
a
, respectiv
2
~

n
b
t
s
b


Acest rezultat poate sta la baza unei probleme de decizie statistic. El ne permite s formulm i s
testm o ipotez cu privire parametrii necunoscui respectiv :
*
0
: H = (ipoteza nul) versus
*
1
: H (ipoteza alternativ)
respectiv
*
0
: H = (ipoteza nul) versus
*
1
: H (ipoteza alternativ)
unde
*
, respectiv
*
, reprezint valori numerice date.
*
0
:
j j
H =
Pentru efectuarea testului putem s facem apel la distribuia Student (ale crei valori sunt tabelate,
pentru diverse niveluri de semnificaie i grade de libertate).
n condiiile ipotezei H
0
, putem s substituim cu
*
(respectiv cu
*
) n rapoartele
precedente, deci s calculm statisticile:

a
a
s
a
t
*

= , respectiv
b
b
s
b
t
*

=

Valorile absolute
a
t , respectiv
b
t , rezultate din calcul, se vor compara cu valoarea critic
( ) 2 ; n
t

, determinat din tabelul distribuiei Student, unde reprezint nivelul de semnificaie, iar (n-2)
desemneaz numrul gradelor de libertate. Ipoteza H
0
este respins dac
a
t (respectiv
b
t ) este mai
mare dect valoarea critic i este admis n caz contrar.

Un test statistic uzual este acela de a verifica dac , respectiv , difer semnificativ de
zero. Un astfel de test se numete test de semnificaie i se obine pentru cazul particular cnd 0
*
= ,
respectiv 0
*
= . Ipotezele corespunztoare unui test de semnificaie se definesc astfel:
0 : H
0
= (ipoteza nul) versus 0 : H
1
(ipoteza alternativ)
respectiv
0 : H
0
= (ipoteza nul) versus 0 : H
1
(ipoteza alternativ)
Mai precis, 0 : H
0
= reprezint un criteriu de a decide dac modelul
K , 2 , 1 , = + + = i x y
i i i

are sau nu termen liber ( 0 = , sau 0 ), n timp ce ipoteza 0 : H
0
= reprezint un criteriu de a
decide dac o variabila independent x influeneaz semnificativ ( 0 ) sau nu influeneaz ( 0 = )
nivelul variabilei dependente y .
Pentru a aplica teste de semnificaie parametrilor , respectiv , vom calcula valorile
absolute
a
t , respectiv
b
t , ale statisticilor corespunztoare, nlocuind n formulele asociate acestora
0
*
= , respectiv 0
*
= :
a
a
s
a
t = = 11.50494
respectiv
b
b
s
b
t = = 42.58966
Din tabelul distribuiei Student obinem valoarea critic a testului t pentru 4 2 = n grade de
libertate, la pragul de semnificatie 5% ( 05 . 0 = ), care este:
4 ; 05 . 0
t 78 . 2 = .
ntruct
a
t = 11.50494 >
4 ; 05 . 0
t 78 . 2 = , se respinge ipoteza nul 0 : H
0
= i se admite
ipoteza alternativ 0 : H
1
.
Analog, deoarece
b
t = 42.58966 >
4 ; 05 . 0
t 78 . 2 = , se respinge ipoteza nul 0 : H
0
= i se
admite ipoteza alternativ 0 : H
1
.
Urmtorul pas este s determinm intervalele de ncredere ale parametrilor necunoscui i ,
pentru un nivel de semnificaie dat, unde reprezint probabilitatea de eec, adic probabilitatea ca
valorile testate (
a i
s a / ) ( , respectiv
b i
s b / ) ( ) s cad n afara intervalului ) , ( t t :

=
|
|

\
|

) , ( t t
s
a
P
a
, respectiv

=
|
|

\
|

) , ( t t
s
b
P
b


Construcia intervalelor de ncredere se bazeaz pe faptul c variabilele aleatoare definite de
rapoartele ( )
a
s a , respectiv ( )
b
s b , urmeaz o distribuie Student cu (n-2) grade de libertate,
adic
2
~

n
a
t
s
a
, respectiv
2
~

n
b
t
s
b
.

In figura de mai jos, care reprezent distribuia Student, probabilitatea de eec corespunde
ariei haurate, iar complementara acesteia ( 1 ) corespunde ariei nehaurate (aflat sub graficul
funciei, dat deasupra segmentului ) , ( t t ), i reprezint probabilitatea ca valoarea testat s cad n
interiorul intervalului ) , ( t t .



Spre exemplu, deoarece

2 ; 2 ;


n
b
n
t
s
b
t



2 ;

n
b
t
s
b

| |
b n b n
s t b s t b +
2 ; 2 ;
,



putem defini probabilitatea ca | |
b n b n
s t b s t b +
2 ; 2 ;
,

astfel:

( )


= + =
|
|

\
|


1
2 ; 2 ; 2 ; b n b n n
b
s t b s t b P t
s
b
P (2.33)

unde

t reprezint valoarea critic tabelat a distribuiei Student, pentru (n-2) grade de libertate.
Intervalul de ncredere astfel determinat d o mulime de valori plauzibile ale parametrului ,
pentru eantionul considerat.
Construcia intervalului de ncredere al parametrului permite luarea unei decizii cu privire la
ipoteza nul 0 : H
0
= , respectiv ipoteza alternativ
*
1
0 : H .
Acceptarea cu riscul a ipotezei nule 0 : H
0
= , se poate face testnd apartenena lui 0 la
intervalul de ncredere respectiv. A respinge ipoteza nul echivaleaz cu a accepta c 0 se afl n
afara intervalului de ncredere corespunztor nivelului de semnificaie ales, adic:

2 ;

n
b
t
s
b



Pentru 05 . 0 = i 4 2 6 2 = = n , din tabelul distribuiei Student obinem valoarea critic
4 ; 05 . 0
t 78 . 2 = . Cu valorile determinate anterior pentru a , b ,
a
s i
b
s , calculul numeric al intervalelor
de ncredere se poate face atunci astfel:

| |
a n a n
s t a s t a +
2 ; 2 ;
,

= [0.78906, 1.29094]
| |
b n b n
s t b s t b +
2 ; 2 ;
,

= [0.92414, 1.05301]


Analiza surselor de variaie. Teste privind calitatea ajustrii

Aprecierea calitii ajustrii prin modelul de regresie a datelor de observaie se bazeaz pe o
analiz de tip dispersional i are ca punct de plecare descompunerea variaiei totale a variabilei Y n
raport cu cele dou surse de variaie identificabile: variaia datorat regresiei i variaia rezidual.
Notnd valorile ajustate cu
i i
bx a y + = i reziduurile cu
i i i
y y e = abaterea valorilor y
i
de la
media lor se poate scrie:
) ( ) ( ) ( ) ( x x b e y y e y y y y y y
i i i i i i i i
+ = + = + =


Descompunerea lui y y
i


Variaia total a lui Y se obine atunci ca sum a abaterilor ptratice ale valorilor individuale
fa de medie:
( )
i i
y , x
Y
i
x
x
i
e
y
i
y
i
y
( ) x x
i

i i
y y
y y
i

y y
i
( ) x x b
i

X
( ) ( ) ( )

+ = + =
i i i i i i i i i i
e x x b e y y y y
2 2 2 2 2 2

unde s-a inut cont c
i
x
i
e
i
=

0 (conform (4)).

Relaia anterioar poart numele de ecuaie a analizei dispersionale i ea permite
descompunerea variaiei totale a lui Y, potrivit celor dou surse ale sale:

variaia explicat a lui Y (datorat regresiei):
( ) ( )
2 2 2


=
i
i
i
i
x x b y y = 17.10229
variaia rezidual a lui Y:
( )

=
i
i
i
i i
e y y
2 2
= 5714285 0.03771428 0.03771 (deja calculat anterior)

Fiecrei sume de ptrate i se asociaz un anumit numr de grade de libertate, reprezentnd
numrul informaiilor (observaiilor y
i
) necesare pentru calculul sumei respective. Calculul dispersiei
asociate fiecreia dintre cele 3 surse de variaie se face prin mprirea sumei de ptrate respective la
numrul corespunztor de grade de libertate. Aspectele prezentate pot fi sintetizate ntr-un tabel de
forma:

Sursa
variaiei
Suma
ptratelor
Grade de
libertate
Ptratul mediu
(dispersia)
Explicat
( )


i
i
y y
2

1
( ) 1 /
2


i
i
y y
Rezidual
( )

=
i i
i i i
e y y
2 2


n-2
2
2
2

=

n
e
s
i
i

Total
( )
2


i
i
y y
n-1
( )
1
2
2

=

n
y y
s
i
i
y



Rezultatele numerice sunt:
Sursa
variaiei
Suma
ptratelor
Grade de
libertate
Ptratul mediu
(dispersia)
Explicat 17.10229 1 17.10229
Rezidual 0.03771 4 0.00943
Total 17.14000 5 3.42800


Calitatea ajustrii datelor de observaie prin dreapta de regresie se poate aprecia examinnd
aportul celor dou componente (explicat, respectiv rezidual) n formarea variaiei totale a lui Y. Dac
toate observaiile ar fi situate pe dreapta de regresie, variaia rezidual ar fi nul. Este deci favorabil ca
variaia explicat s fie mult mai mare dect variaia rezidual, condiie echivalent cu aceea ca
raportul:
( )
( )
( )
( )

= =
i i
i i
i i
i i
y y
x x b
y y
y y
R
2
2 2
2
2
2

totala variatia
explicata variatia

sau, echivalent:
( )
( ) ( )

= =
i i
i i
i i
i i i
y y
e
y y
y y
R
2
2
2
2
2
1

1
totala variatia
reziduala variatia
1
s aib o valoare ct mai apropiat de unitate.
Raportul prezentat mai sus se numete coeficient de determinaie. Avem:

17.14000
17.10229
2
= R = 0.99780, sau echivalent
17.14000
0.03771
1
2
= R = 0.99780


Intensitatea legturii liniare dintre dou variabile X i Y se exprim cu ajutorul coeficientului
de corelaie liniar:

( )( )
( ) ( )



=
2 2
y y x x
y y x x
r
i i
i i
xy
= =
17.14 17.50
17.3
0.99890
Se poate arta c ntre coeficientul de corelaie liniar simpl i coeficientul de determinaie
2
R exist o strns legtur:

( ) ( ) 99780 . 0 99780 . 0 92414 . 0 sgn sgn
2
+ = = = R b r
xy
= 0.99890

unde ( ) b sgn reprezint semnul lui b .

Eroarea standard a estimaiei se obine din dispersia rezidual, prin extragerea rdcinii ptrate:

( )
1428571 0.00942857
2 2

2 2
2
,
=

= =

n
e
n
y y
s S
i i i i i
X Y
0.09710


Testarea semnificaiei globale a modelului de regresie se poate face cu ajutorul testului F, la
baza cruia st compararea a dou estimaii de dispersie. Raportul acestora determin valoarea
calculat F, deci o statistic, ce trebuie confruntat cu valorile tabelate ale distribuiei
) ; 2 , 1 ( n
F ,
depinznd de gradele de libertate (1 i n-2) asociate celor dou estimaii i de pragul de semnificaie
() ales:
( )
( ) ( )
( )
0.00943
17.10229
2 /
1 /
a rezidual Dispersia
a explicat Dispersia
2
2 2
2
2
=

=


= =


s
x x b
n y y
y y
F
i i
i i i
i i
(
(
1813.88
Valoarea critica a testului F pentru (1, n-2) = (1, 4) grade de libertate, la pragul de
semnificatie 5% (adic 05 . 0 = ) este:
) 05 . 0 ; 4 , 1 (
F = 7.71
Cum statistica F = 1813.88 > 7.71, rezult c modelul este semnificativ la pragul de
semnificatie considerat.

Predicie liniar

S presupunem c x
0
este o valoare cunoscut a variabilei explicative X i c suntem interesai
n predicia valorii y
0
a variabilei explicate Y, asociat cu x
0
. Valoarea adevrat a lui Y se poate
exprima cu ajutorul modelului ce descrie dependena liniar la nivelul ntregii populaii:
0 0 0
+ + = x y
Deoarece i sunt parametri necunoscui, pe care i aproximm cu ajutorul estimaiilor a i b
calculate plecnd de la datele unui eantion aleator, o prim surs de eroare va fi eroarea de
eantionare relativ la cele dou estimaii. Totodat, dat fiind caracterul su pur aleator, nu vom putea
s estimm cu un grad de precizie suficient de mare eroarea
0
.
Valoarea punctual a prediciei va fi aadar:
0 0
x b a y + =
Aplicaie: Predictia punctual pentru
0
x =6.5 este
0 0
x b a y + = = 7.46571
Diferena dintre valoarea adevrat a variabilei Y i estimarea sa cu ajutorul dreptei de
regresie, reprezint eroarea de predicie:
( ) ( )
0 0 0 0 0 0 0 0
+ + = + + = = x b a x b a x y y e
Aplicnd operatorul speran matematic n ambii membri, deducem c E|e
0
|

=

0. Prin urmare,
predicia bazat pe CMMPO este nedeplasat, n sensul c eroarea de predicie este de medie nul.
Se poate arta (vezi cursul) c dispersia erorii de predicie poate fi estimat prin:
( )
(
(


+ + =
xx
y
S
x x
n
s s
2
0
2 2

1
1

Eroarea standard a prediciei se calculeaz extrgnd radical din dispersia erorii de
predicie:
( )
(
(


+ + =
xx
y
S
x x
n
s s
2
0
2

1
1 = 0.12589273049639
Intervalul de predicie pentru
0
y , la pragul de semnificaie 05 . 0 = (5%) este:

( )
( )
(
(


+ + + =
xx
S
x x
n
s t x b a y
2
0
2 0 0
1
1

= [ 7.11624, 7.81519 ]

In figura urmtoare se reprezint datele de observaie, dreapta de regresie, erorile (reziduurile),
extrapolarea (prelungirea) dreptei de regresie, predicia punctual pentru
0
x =6.5 i intervalul de
predicie n jurul acesteia.







SINTEZ
(derularea calculelor, fr explicaii)

n i e x b a y
i i i
, , 1 , K = + + =

x
i
y
i
-----------
1 2.0
2 3.1
3 3.9
4 5.1
5 5.9
6 7.0

5 . 3
1
= =

=
n
x
x
n
i
i
; 5 . 4
1
= =

=
n
x
y
n
i
i


x
i
- x y
i
- y
-------------------------
-2.50000 -2.50000
-1.50000 -1.40000
-0.50000 -0.60000
0.50000 0.60000
1.50000 1.40000
2.50000 2.50000

( )

=
=
n
i
i xx
x x S
1
2
= 17.5
( )

=
=
n
i
i yy
y y S
1
2
= 17.14
( ) ( )

=
=
n
i
i i xy
y y x x S
1
= 17.3

( )( )
( )

=


=

x b y a
x x
y y x x
b
i
i i
2

b = 0.98857
a = 1.04000

n i x b a y
i i
, , 1 , K = + =

i
y
-------------------------
2.028571428571429
3.017142857142857
4.005714285714285
4.994285714285715
5.982857142857142
6.971428571428572

n i y y e
i i i
, , 1 , K = =

i
e
-------------------------
-0.028571428571429
0.082857142857143
-0.105714285714285
0.105714285714285
-0.082857142857142
0.028571428571428

1428571 0.00942857
2 - 6
5714285 0.03771428
2
2
2
= =

=

n
e
s
i i

( )
|
|
|
|

\
|

+ =

=
n
i
i
a
x x
x
n
s s
1
2
2
2 2
1
= 0.008171428571428

( )

=

=
n
i
i
b
x x
s s
1
2
2 2
1
= 0.000538775510204
2
a a
s s = = 0.090395954397465
2
b b
s s = = 0.023211538298960
a
a
s
a
t = = 11.50494
b
b
s
b
t = = 42.58966
Din tabelul distribuiei Student obinem valoarea critic a testului t pentru 4 2 = n grade de
libertate, la pragul de semnificatie 5% ( 05 . 0 = ), care este:
4 ; 05 . 0
t 78 . 2 = .
ntruct
a
t = 11.50494 >
4 ; 05 . 0
t 78 . 2 = , se respinge ipoteza nul 0 : H
0
= i se admite
ipoteza alternativ 0 : H
1
.
Analog, deoarece
b
t = 42.58966 >
4 ; 05 . 0
t 78 . 2 = , se respinge ipoteza nul 0 : H
0
= i se
admite ipoteza alternativ 0 : H
1
.
| |
a n a n
s t a s t a +
2 ; 2 ;
,

= [0.78906, 1.29094]
| |
b n b n
s t b s t b +
2 ; 2 ;
,

= [0.92414, 1.05301]

variaia explicat a lui Y (datorat regresiei):
( ) ( )
2 2 2


=
i
i
i
i
x x b y y = 17.10229
variaia rezidual a lui Y:
( )

=
i
i
i
i i
e y y
2 2
= 5714285 0.03771428 0.03771 (deja calculat anterior)
Sursa
variaiei
Suma
ptratelor
Grade de
libertate
Ptratul mediu
(dispersia)
Explicat 17.10229 1 17.10229
Rezidual 0.03771 4 0.00943
Total 17.14000 5 3.42800
17.14000
17.10229
2
= R = 0.99780, sau echivalent
17.14000
0.03771
1
2
= R = 0.99780
( )( )
( ) ( )



=
2 2
y y x x
y y x x
r
i i
i i
xy
= =
17.14 17.50
17.3
0.99890
( ) ( ) 99780 . 0 99780 . 0 92414 . 0 sgn sgn
2
+ = = = R b r
xy
= 0.99890
( )
1428571 0.00942857
2 2

2 2
2
,
=

= =

n
e
n
y y
s S
i i i i i
X Y
0.09710

Predictia punctual pentru
0
x =6.5 este
0 0
x b a y + = = 7.46571
Eroarea standard a prediciei:
( )
(
(


+ + =
xx
y
S
x x
n
s s
2
0
2

1
1 = 0.12589273049639
Intervalul de predicie pentru
0
y , la pragul de semnificaie 05 . 0 = (5%) este:

( )
( )
(
(


+ + + =
xx
S
x x
n
s t x b a y
2
0
2 0 0
1
1

= [ 7.11624, 7.81519 ]

Você também pode gostar