COMPARTIMENTUL I

Analiza modelului liniar simplun de regresie de ip clasic

Procesul de constutuire a modelului include urmtoarele etape:
1.Analiza neformal a procesului economic pn la etapa de modelere propriu-
zis, pentru a stqabili la care tip de modele se refer modelul.
2.Evideniaerea scopurilor de convertire a modelelor
3.Alctuirea listei de variabile cu care se presupune descrierea obiectului de
cercetere
4.determinarea tipului de relaii pentru specificarea modelului.
5Culegerea i analiza informaiei statistice
6.Correcterea pe aza analizei informaiei statistice a dependenelor postulete le
pasul 4.
7.Alegerea metodei de estimare a modelelor pe baze ipotezelor presupuse despre
prorietile prbabilistice ale perturbaiilor ntmpltoare i carecterului informaiei
statistice.
8.Estimarea coesficienilor structurali prin ,etoda aleas i verificarea
calitiiestimeiilor obinute.
9.Aplicarea modelului construit i analiza rezultatelor obinute.
Scopul:
1. Estimarea rezultatelor
2. Proprietile estimatorilor obinui prin M.C.M.M.P.
3. Testarea valabilitii madelului ales (cu ajutorul testului student i testului Fisher)
4. Calcule de previtiune pe baza modelului liniar simplu de regresie de tip clasic.
1.Estimarea rezultatelor
Fie c sunt cunoscui factorii Z i X. Presuunem c relaia dintre aceste variabile
este liniar:
( )
i
x y +
1
1
pentru i=1, 2, , n, unde:
1
-

i
y
variabil explicat de i
-

i
x
variabil explicativ de i
-
,
parametrii modelului reali necunoscui pe care i vom estima cu ajutorul
observaiilor
( )
i i
y x ,
;
-

i
u
eroarea de specificare (difeerena dintre modelul adevrat i cel specificat);
aceast eroare este necunoscut i va rmne necunoscut;
- n- numrul de opservaii
Ipotezele
1
I - Modelul este liniar n raport cu
i
x
;
2
I -Valorile
i
x
sunt considerate fr erori de observare sau msurare;
3
I
-Variabila rezidual
( )
i
u
este normal distribuit de mediu, nul E
( ) , 0
i
u

( ) n i , 1 (n medie modelul este bine specificat),
4
I - Perturbaia este omoscedastic: E( )
2 2
u i
u ; variaia erorilor E
2
u
este
constant (variabila rezidualeste independent de evoluia variabilei explicative, ceea ce
presupune c dispersiile valorilor retiduale, calculate pentru diverse segmente de valori x
nu difer ntre ele).
5
I
- E( ) , 0 ,
1 1
u u dac
j i
, valorile consecutive ale variabilei reziduale nu
depind una de alta.
6
I
- Cov
( ) 0 ,
i i
u x
, valorile variabilei evideniate sunt independente de variabila
explicativ.
Pentru caracteristicile perturbaiei evideniate n
3
I
i
4
I se folosete frecvent
notaia: L
( )
i
U
N( ), , 0
2
u
adic variabila statistic
1
u urmeaz o distribuie de
probebilitate normal (sau Gauss) cu media zero i dispersia
2
u
.
Aadar, n urma observaiilor statistice, avem serii de observaii. Problema const
n determnarea parametrilor

.
2
Metoda Celor Mai Mici Ptrate (M.C.M.M.P), n condiiile verificrii ipotezelor
enunate M.C.M.M.P, asigur obinerea de estimatori de maxim verosimilitate,
respectiv, estimaii nedeplasate (nedistorsionate), consistente i eficiente (cu dispersia
minim), proprieti indispensabile unor aproximaii pentru a fi acceptate n procesul de
decizie sau de modelare econometric. Pentru estimarea parametrilor aplicm criteriul
M.C.M.M.P, care se definate astfel:
( )
2
1 1
1
,
2
1
,
min min



n
i
n
i
i
x y u

Condiiile de ordi nti se scriu:
( )
( )






n
i
i i
n
i
n
i
i
n
i
x y u
x y u
1 1
2
1
1
1
1
2
1
0 2 /
0 2 /


Astfel ecuaiile normale sunt:


+
n
i
i
n
i
i
x n y
1 1

(1)


+
n
i
n
i
i i i i
x x y x
1 1
2

(2)
mprind (1) la n i rezolvnd n raport cu , rezult x y

, substituind aceast
ecuaie n (2), l putem afla pe

:
( )


+
n
i
n
i
i
n
i
i i i
x x x y y x
1 1
2
1


( )

2
1
2
1
1

x
n
x
x y
n
y x
i
i i i i

Aadar, am obinut pe i

, care sunt esimatorii lui

. Condiia suficient:
3
( )
( )
( )

/
/
/
2 2
2 2 2
2 2 2
i
i
i
u
u
u

( )
( )
2 2 2
2 2
/
/

i
i
u
u
0 > se realizeaz.
Astfel modelul estimat pe baza datelor statistice ale celor dou variabile z i x
nregistrate n perioade de timp sasu de uniti statistice este
u x y
i
+ +
, iar funcia
de regresie
i
x y +

, unde
y
, sunt valorile teoretice ale variabilelor endogene
i
y

calculate cu ajutorul funciei de regresie,
i i
y y u
- estimaiile variabilei reziduale.
2) Proprietile estimatorilor obinui prin M.C.M.M.P.
Prin operaii simple, se poate demonstra c media estimatorilor i a variabilei
reziduale
i
u
este egal ca: E( )
sunt
estimatori nedeplasai ai parametrilor, iar dispersiile estimatrilor i

se pot afla pe
baza releiilor:
( )
( )
( )
( )

1

2
2
2
2
2
V
x x
x
n
V
x x
i
u
i
u

,
_

iar

1
2 2

2
1
i
i u
u
n

este un estimator nedeplasat al variabilei

i
u
. Covariana dintre cei
doi estimatori este agal cu: ( ) ( )

, v o c V x
Matricea de estimare a varianei i covarianei ( )

, este urmtoarea:
( )
( )
( )

v o c

,
V

( )
( )

,
_

, cov
V
Dac ipotezele enunate se verific, atunci modelului estimat i se atribuie o serie
de proprieti:
1.Media condiionat a variabilei z, n funcie de variabila exogan x, devine E
( )
i i
y x x y

/ + ;
4
2.Dispersia condiionat a variabilei y este:
( )
( )
1
1
]
1

+ +

2
2
2 2
/
1
1
x x
x x
n
i
i
u x y
i

3. Covariana cov
( ) 0 ,
j i
y y
pentru i, j = 1,
n
: i j.
4. Lgea de probabilitate condiionat a lui y, n funcie de variabila axogen x,
este legea normal de madie
i
y
, i de abaterea ptratic ,
2
u
..
3. Testarea validitii modelului ales
n cazul cnd seria de date
( ) ( ) { } n i y x
i i
, 1 , ,
este obinut n urma unui sondaj
static, validarea datelor prin teste statistice se impune n mod necesar.
Testele utilizate entru validarea modelului liniar au ca baz ipoteze pe care se
fundementez acesta i pe proprietatea lui
( ). , 0
u i
N u
3.1. Testul student pentru independena variabilelor.
Verificarea semnificaiei estimatorilor funciei de regresie comport formularea a
diu ipoteze:
0
H
: { } 0 - ipoteza dependenei direct proporionale;
0
H
: { } 0 - ipoteza dependenei variabilelor
contra
1
H :

'

0
0

ipoteza dependenei liniare specificate;

Pentru un n mai mic dect 30 de cauri statistice testul

i respectiv

este:
( ) ( ) [ ]
( ) ( )

+

2 2
2 2
/

/ / 1

/
x x
t
x x x n
t
i u
calc
i u
calc

5
Regula de decizie este urmtoarea:
tabelat n calc
t t t
2 ,
, adic nivelul de referin
preluat din tabelul repartiiei Student pentru riscul erorii ( ) i ( ) 2 n grade de libertate.
Dac
tab calc
t t <
, ipoteza nul H
0
este repins i accept ipoteza
1
H , conform creia
estimaiile

difer semnificativ de zero.

Evident pentru
tab calc
t t <
ipoteza nul a semnificaiei este cea admis, adic x i y
nu sunt coreleate liniar.
3.2. Testu Fisher-Snedecor
Cu ajutorul acestui test are loc verificarea verosimilitii modelului econometric.
La baza veridicitii modelului st principiul analizei dispersionale (varianelor).
Deoarece avem c ( ) ( )

+
2
2 2

i i i
u y y y y .
Prin mprire la numrul observaiilor n se obin dispersiile empirice
corespunztoare:
2 2

2
u v v
+ , dispersia
2
y

, caracterizeaz variaiei
caracteristicii rezultative axplicat.
Dispersia
2
y

- variaia celor teoretice fa de madia lor.

Dispersia
2
u
- variaia rezidual pe seama factorilor aleatori.
n scopul testrii validitii modelului se alctuiete urmtorul tebel ala anlizei de
varian.
Surse de variaie Variaia sumei
ptratelor abaterilor
Grad
e de
libert
ate
Estimatori ai dispersiei n raport cu
gradele de libertate
Explicat de regresie
( )

2
y y V
i E
1
( ) 1
2 2

y y
i y

Rezidual
( )
2

y y V
i R
n-2
( ) ( ) 2
2 2

n y y
i i u

Total
( )

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

n y y
i y

6
Nivelul F
calc
rezult astfel:
( ) ( )
2
2
2

n
y y y y
F
i i i
calc
. Amintim c
i
y

sunt valori ajustate, obinute modele folosind parametrii estimai i valorile empirice x
i
.
Modelul este valid, dac valoarea F
calc
este superioar valorii tabelate F

;
1 2
;
1 n
,
respectiv estre considerat neconcludente (incluznd parametrii nesemnificativi sau o
funcie greit aleas) dac F
calc
<
F

;
1 2
;
1 n
, adic x i z sunt independente.
O formul alternativ pentru F
calc
este i cea definit pe baza coeficientului de
determinaie R
2
: F
calc
= R
2
/[(1-R
2
)/(n-2)].
Coeficientul R este coeficientul de coreleaie multipl, pentru corelaia liniar
simpl ntre x i y reprezint coeficientul de corelaie.
( ) ( ) ( ) [ ]


2
2
2
2
/ 1 / y y u y y y y R
i i i i
Mrimea R se numete raport de corelaie i exprim gradul de fidelitate a
modelului fa de dependena statistic dintre y i x, i anume R [ ] 1 , 0 , cu ct R va avea o
valoare mai aropiat de 1, cu att veridicitatea modelului va fi mai ridicat.
Pentru determinarea msurii legturii liniare puternice ntr-un x i z se calculeaz
coeficientul liniar de corelatie.
..
Mrimea lui
x y
r
/
este cuprins ntre -1 i 1. Cu ct valoarea lui
x y
r
/
ete mai mare,
cu att legtura dintre variabile este mai strns. Pentru cazul dependenei liniare
R r
x y

/
. Dup obinerea lui
x y
r
/
se paote verifica n ce msur coeficientul de corelaie
obinut este semnificativ cu ajutorul. Urmtorului test:
( ) ( ) 2 / 1
2

n r
r
t
calc
Dac
2 /
2

>
n tabela calc
t t t , atunci coeficientul de coreleie semnificativ difer de 0;
n caz contrar se accept ipoteza unui coefficient de corelaie nul.
4.Efectuarea de calcule previzionale
7
Se consider c, n urma analizei legturii dintre valorile a dou variabile
( ) ( ) { } n i y x
i i
, 1 , , s-a determinat dreapta de regresie
i
x y

+ , (i=1, n). Se pune

problema determinrii nivelului variabilei y, descris prin modelul liniar, pentru un nivel
al veriabilei x, specificat prin
p
x
, unde (p=n+1, n+k), prin k desemnnd prizontul de
previziune. Logica estimrii variaiei de previtiuni prin aceast metod este urmtoarea:
- pentru un nivel efectiv al variabilei
p
x
vom avea
p p p
u x y + +
- dac valoarea previzional pe baza modelului estimate este
p
x y

+ , atunci
se comite o eroare de previziune (
p
e
)
( ) ( )
p p p p p p
u x e y y e +

Variana variabilei: ( )
0
p
e
V
, iar
p
u
satisface ipotezele modelului, estimatorul
( )
( ) ( ) ( ) [ ] x nV x x n V
p u e
p
/ / 1 1

2 2
+ +
.
Pentru a avea o previziune ct mai verdic, trebuie ca valoarea lui ( )
p
e
V
s fie ct
mai mic posibil.
Pentru a constru un interval de ncredere, la valoarea previzionalp, se ine cont
seam de faptul c
( )
u p
u , 0
, astfel:
( ) ( ) ( ) 1 , 0 / N e y y
p p p

.
Dar
( )
( ) ( ) ( ) [ ]

+ +
2
2
2 2
/ / 1 1

x x X x n e V
i p u p e
p
, plus
( ) ( )
p p
e y y /

urmeaz o distribuie Student cu (n-2) grad de libertate.
Pentru un preg de semnificaie

i (n-2) grade de libertate din tabelul functiei de

Student, se determin
( ) , 2 n
t
i obine intervalul de ncredere pentru valoarea
previzionat la un nivel specificat
( )
( )
( )
( ).
, 2
2
, 2 p n p p p n p
e t y y e t y

+

Studiu de caz 1 (rezolvat)
Pentru a studie cum variaz costul de intreinere a unui utilaj n funcie de
vechimea acestuia , o firm a nregistrat urmtoarele date (tabelul 1.1):
Nr. observrii 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
8
Vechime (n luni) X
i
6 8 8 10 15 16 17 20 21 21 32 36 41 53 58
Cost anual Y
i
(sute lei)
25 30 33 37 38 40 48 50 46 52 61 67 79 90 92
Se cere:
1. S se calculeze estimaiile parametrilor

prin metoda M.C.M.M.P;

2. S se determine coeficientul de corelaie liniar simpl r;
3. S se determine estimatorul nedeplasat
2
u
, precum i estimatorii nedeplasai
ai dispersiilor estimatorilor respectiv

;
4. S se utilizeze testu F i T pentru coeficienii

: r:
5. S se calculeze intervaele de ncredere la pragul

-5% asociata dispersiei

2
u
,
precum i coeficienilor

;
6. S se determine o previziune a costului annual de ntreinere pentru noul utilaj
de 4 ani precum i intervalul de ncredere asociat acesteia la preaguld de 5%;
7. Firma a procurat un utilaj modificat. Costul anual de nteinere dup dpi ani de
exploatare s-a nregistrat la nivelul
1200
p
Y
. De testat deosebirea acestui utilaj de
modelele nemodificate din punct de vadere al costului de ntreinere.
Rezolvare:
Construim diagrama abservtilor.
Pentru ndeplinirea celorlalte puncte centrelizm datele ovservate de firm i
reprezentate n tabelul 1.1. Calculele necesare le nscriem n tabelul 1.2.
Numrul de observaii este n=15. Din tabelul 1.2 avem:
362

X
;

733 , 3753
2
i
x
; 1333 , 24 X ;

9333 , 4799
i i
y x
;

788
i
y
;

733 , 6269
2
i
y
; 5333 , 52 Y ; unde:
X x
i

; Y Y y X
i i

Deci:
( ) ( )
23817 5333 , 52 1333 , 24 15 9333 , 4799 +
+ + + + + +

XY n y X x Y x Y y x Y y y x Y X
( ) ( ) ( ) 12490 1333 , 24 15 7333 , 3753 2
2
2
2 2
+ + + +

X n x X x X x X
i i i i
( ) ( ) 47666 5333 , 52 15 7333 , 6269
2 2
2
2
+ + +

Y n y Y y Y
i i i
9
Nr.
i
X
i
Y
i
x
i
y
2
i
x
2
i
y
i i
y x
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
6
8
8
10
15
16
17
20
21
21
32
36
41
53
58
25
30
33
37
38
40
48
50
46
52
61
67
79
90
92
-18,133
-16,133
-16,133
-14,133
-9,1333
-8,1333
-7,1333
-4,1333
-3,1333
-3,1333
7,86667
11,8667
16,8667
28,8667
33,8667
-27,5333
-22,5333
-19,5333
-15,5333
-14,5333
-12,5333
-4,53333
-2,53333
-6,53333
-0,53333
8,46667
14,4667
26,4667
37,4667
39,4667
328,817
8
260,284
4
260,284
4
199,751
1
83,4177
8
66,1511
1
50,8844
4
17,0844
4
9,81777
8
9,81777
8
61,8844
4
140,817
758,084
507,751
381,551
241,284
211,218
157,084
20,5511
6,41778
42,6844
0,28444
71,6844
209,284
700,484
1403,75
1557,62
499,271
363,537
315,137
219,537
132,737
101,937
32,3377
10,4711
20,4711
1,67111
66,6044
171,671
446,404
1081,53
1336,60
10
8
284,484
4
833,284
4
1146,95
1
3Total 362 788 0 0 3753,73
3
6269,73 4799,93
Folosind sumele calculate, determinam valorile indicilor in conditile problemei.
1.
( )
( )
2787 , 1
2489 , 250
9956 , 319
1333 , 24 6667 , 832
5333 , 52 1333 , 24 8 , 1587

2 2
2

X X
Y X Y X

Putem utilize i estimatorul

:
6738 , 21 1333 , 24 2787 , 1 5333 , 52

2787 , 1 278709 , 1
7333 , 3753
9333 , 4799

X Y
x
y x
i
i i

Deci estimaiile parametrilor

sunt 2787 , 1

i 6738 , 21
2. Pentru calcularea estimaiei coeficientului de corelaie, vom folosi urmtorii estimatori.
( )( )
989416 , 0
7333 , 6269 7333 , 3753
9333 , 4799
2 2

y x
y x
r
i i
;
9789 , 0
9894 , 0

r
r
Pentru cazul liniar simplu al dependenei
X Y +
, coeficintul de
determinare
2
r
, coincide cu indicele de corelaie:
( )
( )
( )( )
( )
2
2
2 2
2
2
2
2
2
97894 , 0
7333 , 6269 7333 , 3753
9333 , 4799

r
y x
y x
y
x
y x
y
y x
Q
Q
r
i i
i i
i
i
i i
i
i
i

Din formula
Q
Q
r
i

2
rezult semnificaia coeficientului de determinaie, i
11
anume: 9789 , 0
2
r exprim ponderea de
% 9 , 97
de dispersie (varian) a variabilei Y
(costul annual de ntreinere a mainii) explicat de variana factorului identificat de
influien X, (durt de utilizare a utilajului) i numai 2,1% de varian variabilei Z este
explict de influiena altor factori neidentificati, inclusive aliator:
2. Estimatorul
2

2
2
2 2

n
u
n
Q
i
u

( )
( )
15196 , 10
0144 , 132
7333 , 3753
9333 , 4799
7333 , 6269
2
2
2
2

i
i
i i
i i
x
y x
y Q Q Q

De aici urmeaza eroarea standard: S = 18668 , 3 15496 , 10

u

Prin definiie:
( )
( )
0027 , 0
7333 , 3753
15496 , 10

2
2
2
2

X x
x
V
i
u
i
u

;
( )
( )
2526 , 2
7333 , 3753 15
12490 15496 , 10

1

2
2 2
2
2
2

,
_

X x n
x
x
X
n
V
i
i u
u
u


;
Calculm erorile standard ale coeficienior

:
( ) 50087 , 1 2561 , 2

V S ;
( ) 05196 , 0 0027 , 0

V S ;
Deci, modelul cutat este:
X Y 2787 , 1 6738 , 21 +
, (1,50087) (0,0520), unde n paranteze sunt nscrise erorile
standard (estimatorilor) ale coeficienilor regresiei Z i X.
4. Calculm staisticilor F i T.
Efectum testarea ipotezei H
0
: Modelul este neadecvat contra ipotezei, H
1
:Modelul este adecvat. n condiiile ndeplinirii ipotezei H
0
, roportul
12
( )
( )
( ) ( )
F
n r
r
n
Q
Q
Q
Q
n Q
Q

2 : 1
1 :
2 :
1 :
2 :
1 :
2
2
2
1
2
1
, urmeaz o distribuie R, respective cu r,
grad de libertate dispersiei mari (a numartorului) i (n-2) grade de libertate numitorului.
Obinem F
calc
=
40601 , 604
15496 , 10
71889 , 6137

; Din tabelul F, gsim

( ) ( ) , 67 , 4 13 , 1 , 05 , 0 2 , 1 , 05 , 0 F n F F
tub
deci
67 , 4 40601 , 604 >
tab calc
F F
.
Se respinge ipoteza H
0
i se accept ipoteza H
1
.
n continuare, verific ipotenuzele ce se refer la semnificaia coeficienilor

cu ajutorul testului Student cu (n-2) grade de libertate. Raportul

t
furnizeaz
valoarea empiric a testului Student ce trebuie comparat cu valoarea critic la pragul

i (n-2) grade de liberte.
Ipoteza H
0
va fi acceptat . dac
( ) 16 , 2 025 , 0
2

12 2

,
_

<

t t
n

,
ceea ce este echivalent cu condiia c
0
, aparine intervalului de ncredere
( ) 16 , 2 : 16 , 2
2
,
2
2 2

,
_

,
_

,
_

n n
t t
cu o probabilitate de ncredere de 95%.
n cazul dat, att mrimea

t
, ct i

t
aparin domeniunlui criic din
dreapta, i anume
16 , 2 59 , 24
0520 , 0
2787 , 1

>

t
;
16 , 2 11 , 11
0520 , 0
6738 , 21
>

t
. Pin urmare
att

ct i

, sunt semnificativ diferiide 0 la pragul de semnificaie

=5%.
5. calculm intervalele de ncredere ale coeficienilor

. n puctul precedent
s-a menionat, c ambele variabile aliatorii

urmeaz o distribuie
13
Student cu (n-2) grade de libertate. Plecnd de la valorile tabelare, se pot detrmina
intervalele de ncredere la pragul

, cu riscuri simetrice:
1
]
1

,
_

+
,
_

1
]
1

,
_

+
,
_

2
,
2

,
2
2 2
2 2
n u n
n n
t t
t t
Din tabel observm c t
13
(2,5%)=2,16, ceea ce nseamn intervalele de ncredere
la pragul de semnificaie de

=0 sunt:
[ 0520 , 0 16 , 2 2787 , 1 ; ] 05 , 0 16 , 2 2787 , 1 + ;
[ 50087 , 1 16 , 2 6738 , 21 ;21,6738+2,16 ] 50087 , 1 ;
[ 166 , 1 ] 391 , 1
;
[ 432 , 18
;
] 916 , 24
Acum s detrminm estimaiile intrvalului de ncredere, Invariabilei aleatoare
2

u
.
Variabila aleatoare (n-2)-.urmeaz o lege
2
X
cu (n-2) grade de libertate. Putem, deci
gsi tabelul acestei distribuii, valorile
2
1
X , avnd probabilitate
,
_

2
1

de a fi depit,
respectiv
2
2
X , vnd probabilitatea de a fi depit. Avem: P
( )

1
]
1

2
2
2
2
2
2
1
X n X
u
u
, unde intervalul de ncredere la pragul

cu riscuri
simatrice pentru
( )

2
2
2
2 2
2
:
X
n
u
u u


;
( )
1
]
1
2
1
2
2
X
n
u

;
Pentru

=5%, n-2=3 i 155 , 10

2

u
obinem:

74 , 24
155 , 10 13
2
u

;
[ 336 , 5
01 , 5
155 , 10 13

1
]
1
; ] 350 , 26 ,
Unde: ( ) 74 , 24 975 , 0
2
2
2
13
X X , ( ) 01 , 5 025 , 0
2
1
2
13
X X
6.Analizm predicia
p
Y
0
a costului de ntreinere a utilajului, avnd vechimea x
0
.
Estimatorul punctual al previziunii este
0 0

x Y
p
+ . Rezult c, de exemplu, pentru x
0
=24 (2 ani de vechime a utilajului), avem:
14
36 , 52 3626 , 52 24 2787 , 1 6738 , 21
0
+
p
Y (sute lei). Deci valoarea medie ateptat a
prediciei costului de ntreinere este egal cu 5236 lei. Calculm estimaia erorii de
previziune pentru valoarea medie ateptat : 5236
0

p
Y
( )
( )

,
_

2
2
0 2 2
1

0
X x
X x
n
i
u
c
r

sau
( )
6770 , 0
73333 , 3753
1333 , 24 24
15
1
155 . 10
2
2
0

,
_

+
p
c

Pentru o valoare
48
0
x
(mai ndeprtat de valoarea medie 1333 , 24 X )
evident c aceasta mrime va fi mai mare:
( )
2180 , 2
73333 , 3753
1333 , 24 48
15
1
155 . 10
2
2
0

,
_

+
p
c

Deci pentru un utilaj de vechime de 24 de luni, intervalul de ncheiere a prediciei

va fi:

,
_

2
13 0 0
0

2
p
c
p p
t Y Y

;
1
]
1

,
_

+
2
13 0
0

2
p
c
p
t Y

=[ 8228 , 0 16 , 2 36 , 52 ;
] [ 28 , 58 , 50 8228 , 0 16 , 2 36 , 52 + ; ] 1372 , 54 adic
0
Y
, va varia de la 5058 lei pn la 5414
lei, iar pentru
48
0
x
luni avem respective
[ 2180 , 2 16 , 2 05 , 83
0
Y
;
] [ 2591 . 78 2180 , 2 16 , 2 05 , 83 + ; ] 84088 , 7 8 , oi de la 7826 lei pn la 8784 lei.
Admitem c firma a procurat un utilaj modificat (mai modern). Pe parcursul
anului I (nti), costul de ntreinere a noului utilaj a fost egal cu 1200 lei. Apare
ntrebarea: este mai putin costisitoare ntreinerea noului utilaj fa de modelele vechi
(dac diferena costurilor este esenial sau nu?).
Efectum calculele:
0182 , 37 12 2787 , 1 6738 , 21
0
+
p
Y
n acest caz eroarea prediciei se calculeazastfel:
( )
( )
( )
230 , 11
7333 , 3753
1333 , 24 12
15
1
1 155 , 10
1
1
2
2
2
0 2 2
0

,
_

+ +

,
_

+ +

X x
X x
n
i
u
c
p

Calculm statistica student:
2277 , 2
2303 , 11
0182 , 37 0 , 12

2
0
0

P c
p
p
Y Y
t

15
n continuare este important verificarea ipotezei H
p
p
Y Y
0 0

: < (adic 0

0
<
p
p
Y Y
), ceea ce corespunde testul unilateral. Pragului de 5% i corespunde valoarea tabelar
( ) 771 , 1 05 , 0
13
t
iar de 1%,
( ) . 650 , 2 01 , 0
13
t
Aceste calcule ne conduc la concluzia c micorarea observat a costului de
ntreinere a utilajului este semnificativ pentru pragul de.. . Alegerea rmne s o fac
decidenii firmei.
16