Regresie simplă liniară_(partea a treia)

Aplicații

1. Pentru a analiza dependenţa dintre suprafaţa cultivată (ha) şi producţia la hectar (q/ha) s-au înregistrat date
referitoare la aceste variabile pentru 10 parcele. În urma prelucrării datelor (utilizând EXCEL) şi a specificării
ecuaţiei de regresie (în ipoteza legăturii liniare) care modelează dependenţa dintre cele două variabile se obţin
următoarele rezultate:
Suprafața cultivată (ha) Producția la hectar (q/ha)
Mean 82,400 Mean 24,600
Standard Deviation 11,296 Standard Deviation 7,501
Sample Variance 127,600 Sample Variance 56,266
Sum 824,000 Sum 246,000
Count 10,000 Count 10,000
𝒚𝒊 = −𝟐𝟐, 𝟖𝟕𝟏 + 𝟎, 𝟓𝟕𝟔 ∗ 𝒙𝒊 , iar dispersia erorilor este 𝒔𝟐𝒆 = 𝟏𝟓, 𝟔𝟓𝟔. Se cere: a) Validaţi modelul de regresie
obţinut. b) Determinaţi intervalul de încredere pentru parametrii ecuaţiei de regresie. c) Analizaţi intensitatea legăturii
dintre cele două variabile cu ajutorul unui indicator adecvat şi testaţi semnificaţia acestuia.

2. Managerul unui magazin alimentar doreşte să cunoască dependenţa dintre valoarea vânzărilor şi profit.
Pentru aceasta înregistrează timp de 9 luni date privind vânzările şi profitul (mil. RON). În urma prelucrării datelor
(utilizând EXCEL) şi a specificării ecuaţiei de regresie (în ipoteza legăturii liniare) care modelează dependenţa dintre
cele 2 variabile se obţine :

Valoarea vânzărilor (mil. RON) Profit (mil. RON)

Mean 10,000 Mean 0,195
Median 12,000 Median 0,200
Mode 14,000 Mode 0,150
Standard Deviation 5,267 Standard Deviation 0,064
Sample Variance 27,750 Sample Variance 0,004
Sum 90,000 Sum 1,760
Count 9,000 Count 9,000
𝒚𝒊 = −𝟎, 𝟎𝟕𝟖 + 𝟎, 𝟎𝟏𝟏 ∗ 𝒙𝒊 , iar dispersia erorilor este 𝒔𝟐𝒆 = 𝟎, 𝟎𝟎𝟎𝟒𝟓. Se cere: a)Validaţi modelul de regresie
obţinut. b) Testați semnificaţia parametrilor ecuaţiei de regresie. c) Calculaţi şi testaţi semnificaţia coeficientului liniar
de corelaţie.

3. Pentru un magazin de confecţii s-au cules date referitoare la vânzările de cămăși bărbătești și profitul obţinut
pentru 5 zile consecutive. Modelul de regresie obţinut în urma prelucrării datelor este: 𝒚𝒊 = 𝟗, 𝟏 + 𝟓, 𝟔𝟒 ∗ 𝒙𝒊. Se
cunosc: varianţa datorată regresiei (sistematică) ∆𝟐𝒚/𝒙 = 𝒏𝒊=𝟏 𝒚𝒊 − 𝒚 𝟐 = 𝟕𝟑𝟕, 𝟒, iar varianţa reziduală este ∆𝟐𝒆 =
𝒏
𝒊=𝟏 𝒚𝒊 − 𝒚𝒊 𝟐 = 𝟗𝟎. Să se testeze semnificaţia modelului de regresie folosind testul F, pentru un nivel de
semnificaţie 𝜶 = 𝟎, 𝟎𝟓.

4. Pentru un magazin de mobilă s-au cules date privind numărul de spoturi publicitare difuzate şi numărul
vizitatorilor (mii pers.) timp de 6 zile. Modelul de regresie obţinut în urma prelucrării datelor este: : 𝒚𝒊 = 𝟗, 𝟏𝟑 +
𝟑, 𝟗𝟖 ∗ 𝒙𝒊 . Se cunosc: varianţa datorată regresiei (sistematică) ∆𝟐𝒚/𝒙 = 𝒏𝒊=𝟏 𝒚𝒊 − 𝒚 𝟐 = 𝟕𝟒𝟎, 𝟖 , iar varianţa reziduală
este ∆𝟐𝒆 = 𝒏𝒊=𝟏 𝒚𝒊 − 𝒚𝒊 𝟐 = 𝟔𝟎. Să se testeze semnificaţia modelului de regresie folosind testul F, pentru un nivel de
semnificaţie 𝜶 = 𝟎, 𝟎𝟏.