Documente Academic
Documente Profesional
Documente Cultură
la Econometrie
Analiza modelului de regresie multiplă
1
Analiza modelului de regresie multiplă
y X1 X2 X3
28 2 45 101
30 1 43 112
26 3 43 134
32 6 47 125
30 7 42 109
35 8 41 136
37 8 32 112
35 5 33 127
37 5 41 108
32 8 38 143
35 4 32 141
37 9 31 152
41 12 35 154
37 7 29 160
472 85 532 1814
2
5. De calculat R 2 şi R 2 , de explicat rezultatele obţinute.
6. Sunt coeficienţii a1 şi a 2 simultan diferiţi de 1 şi -0,5?
7. Sunt coeficienţii a1 şi a 2 semnificativ diferiţi de 1 şi -0,5?
8. De calculat intervalul de încredere pentru varianţa erorilor, dacă probabilitatea cu care se garantează rezultatele,
este de 95%.
9. De determinat, dacă adăugarea variabilelor explicative X 1 şi X 2 , ameliorează semnificativ calitatea estimaţiei în
raport cu X 1 .
10. De determinat, dacă coeficienţii sunt semnificativ diferiţi de 0, iar regresia, global semnificativă.
11. De calculat previziunea şi intervalul de încredere, pentru următoarele 2 perioade, dacă se cunosc datele:
X 1 (15) 3 X 2 (16) 6
X 2 (15) 24 X 2 (16) 38
X 3 (15) 165 X 3 (16) 170
În cazul dat avem un model liniar general de regresie multiplă, deoarece în baza datelor prezentate în tabelul 1,
observăm că variabila dependentă (y), este explicată de trei variabile independente ( x1 , x 2 , x3 ).
Pentru a demonstra că există o legătură între variabile, este necesar să construim norul de puncte, în ur,a căruia se va
observa grafic tipul de legătură şi intensitatea acerstei legături. Norul de puncte îl construim cu ejutorul pachetului de
programe Eviews.
3
44
40
36
Y
32
28
24
0 2 4 6 8 10 12 14
X1
Fig. 1” Legătura dintre x1 şi y”
Concluzie: Analizînd graficul obţinut, observăm că în mare majoritate punctele tind spre o linie dreaptă, cu panta
pozitivă, ceea ce semnifică faptul că între variabila independentă x1 şi y, există o legătură directă, adică la creşterea
variabilei x1 , creşte şi variabila y şi invers.
4
44
40
36
Y
32
28
24
28 32 36 40 44 48
X2
Fig. 2” Legătura dintre x 2 şi y”
Concluzie: Analizînd graficul obţinut, observăm că în mare majoritate punctele tind spre o linie dreaptă, cu o
pantă negativă , ceea ce semnifică faptul că între variabila independentă x 2 şi y, există o legătură inversă, adică la
creşterea variabilei x 2 , scade valoarea variabilei y şi invers.
5
44
40
36
Y
32
28
24
100 110 120 130 140 150 160 170
X3
Fig. 3” Legătura dintre x3 şi y”
Concluzie: Analizând graficul obţinut, observăm că în mare majoritate la fel, punctele, ca în celelalte cazuri, tind
spre o linie dreaptă, cu panta pozitivă, ceea ce semnifică faptul că între variabila independentă x3 şi y, există o
legătură directă, adică la creşterea variabilei x3 , creşte şi variabila y şi invers.
2. În cerinţa precedentă, modelul este scris într-o formă practică, însă în formă matricială modelul va fi în
felul următor:
6
28 1 2 45 101 1
30 1 1 43 112 a0 2
26 1
; a 1 ; 3
3 43 134 a
Y ; X a
M M M M M M
41 1 2
12 35 154 a3 13
37 1 7 29 160
14
Pentru soluţionarea modelului este nevoie de estimat vectorul compus din parametrii a0 , a1 , a2 , a3 . În scopul estimării
acestui vector, aplicăm Metoda Celor Mai Mici Pătrate (MCMMP), care constă în a minimiza suma pătratelor
erorilor, adică:
n
min i2 min ' min(Y Xa ) ' (Y Xa ) min S min(Y 'Y Y ' Xa a ' X 'Y a ' X ' Xa )
a
i 1
Pentru a minimiza această funcţie în raport cu a , este necesar să calculăm diferenţiala lui S în raport cu a , în urma
acestui raport obţinem relaţia cu ajutorul căreia vom calcula valoare estimatorului a :
S
2 X 'Y 2 X ' X a X ' X a X 'Y ( X ' X ) 1 ( X ' X ) a ( X ' X ) 1 ( X 'Y )
a
a ( X ' X ) 1 ( X 'Y )
Această soluţie este posibilă dacă matricea pătrată ( X ' X ) , de dimensiunea (4;4), în cazul nostru este inversabilă.
Aceste condiţii le vom rezolva cu ajutorul pachetului de programe Eviews 3.
7
Pentru aceasta este nevoie să efectuăm cîţiva paşi:
1) Introducem datele noastre în Eviews 3.
2) Apoi introducem comanda: „genr unu =1”, adică generăm un nou vector.
3) Deschidem, noul vector generat, X 1 , X 2 , X 3 , în grup.
4) Cu ajutorul comenzii „matrix XTR=@transpose(@convert(GX))”, formăm matricea transpusă.
În rezultat obţinem matricea X ' :
8
6) Cu ajutorul comenzilor: „matrix XINV=@inverse(XPX)”,
„matrix XTY=XTR*(@convert(Y))”, “matrix a=XINV*XTY
”, obţinem matricile, ( X ' X ) 1 , X 'Y :
9
28 472
30 2982
26 17714
X 'Y Y =
M 61656
41
37
10
Având toate datele necesare le introducem în formulă, pentru a afla valoarea vectorului a , avem:
11
Concluzie: În urma culculelor efectuate am obţinut valorile parametrilor, egale cu:
a0 44.65750; a1 o.801901; a2 0.381362; a3 0.037132 , aceleaşi calcule le-am efectuat cu ajutorul pachetului de
programe EViews 3, în rezultat am observat că am obţinut aceleaşi date, ceea ce denota faptul că calculele au fost
effectuate correct. Înlocuind valorile parametrilor, obţinem modelul:
Y 48.14868 0.801901* X 1 0.381362 * X 2 0.037132 * X 3 .
3. Metoda Centrării datelor, la fel ne permite de-a calcula valorile parametrilor a0 , a1 , a2 , a3 , la fel ne
permite şi de-a verifica corectitudinea calculelor şi a datelor obţinute.
12
Pentru a calcula valoarea estimatorilor, este necesar să calculăm valoarea medie a variabilei
dependente, Y şi valorile medii a variabilelor independente, X 1 , X 2 , X 3 . Calculăm mediile conform formulelor:
n n
Yi 472 X i
85
Y i 1
33,71 X1 i 1
6,07
n 14 n 14
n n
X i
532 X i
129,57
X2 i 1
38 X3 i 1
129,57
n 14 n 14
Datele necesare efectuării calculelor sunt introduse în Tabelul 2.
Nr. Y X1 X2 X3 (X1 X1) (X 2 X 2 ) (X3 X3) ( X X )2
1 1
(X 2 X 2 )2 (X 3 X 3 )2 (Yi Y )
0.01320 0.00119 0.00094
X1 X1 * Y Y 116 .29
X X
' 1
0.00119 0.00363 0.00057
; '
X Y X2 X2 * Y Y 498.29
222
0.00094 0.00057 0.00040
X3 X3 * Y Y
Avînd rezultatele putem afla valoarea vactorului a , introducem datele obţinute în formulă:
a1
a a 2 ( X ' X ) 1 ( X 'Y ) ,
a3
Obţinem valorile estimatorilor a1 , a2 , a3
14
116,29
0.801901
0.01320 0.00119 0.00094 222
a * 0.381362
0.00119 0.00363 0.00057 498,29 0.037132
0.00094 0.00057 0.00040
Avînd aceste valori putem calcula valoarea termanului liber, în baza relaţiei:
Y a0 a1 X 1 a 2 X 2 a 3 X 3 a 0 Y a1 X 1 a 2 X 2 a3 X 3 a 0 33,7 (0.801901 * 6.07)
(0.381362 * 38) (0.037132 *129,57) a0 33,7 4.8675 14.4918 4,81 a0 48,14868
15
Datele care au fost utilizate sunt prezentate in tabel.
Nr. Y X1 X2 X3 (X1 X1) (X 2 X 2 ) (X3 X3) ( X X )2 (X 2 X 2 )2 (X 3 X 3 )2 (Yi Y )
1 1
L*F L*G L*H
1 28 2 45 101 -4,07 7 -28,57 16,58 49 816,33 -5,71 23,26531 -40 163,2653
2 30 1 43 112 -5,07 5 -17,57 25,72 25 308,76 -3,71 18,83673 -18,5714 65,26531
3 26 3 43 134 -3,07 5 4,43 9,43 25 19,61 -7,71 23,69388 -38,5714 -34,1633
4 32 6 47 125 -0,07 9 -4,57 0,01 81 20,90 -1,71 0,122449 -15,4286 7,836735
5 30 7 42 109 0,93 4 -20,57 0,86 16 423,18 -3,71 -3,44898 -14,8571 76,40816
6 35 8 41 136 1,93 3 6,43 3,72 9 41,33 1,29 2,479592 3,857143 8,265306
7 37 8 32 112 1,93 -6 -17,57 3,72 36 308,76 3,29 6,336735 -19,7143 -57,7347
8 35 5 33 127 -1,07 -5 -2,57 1,15 25 6,61 1,29 -1,37755 -6,42857 -3,30612
9 37 5 41 108 -1,07 3 -21,57 1,15 9 465,33 3,29 -3,52041 9,857143 -70,8776
10 32 8 38 143 1,93 0 13,43 3,72 0 180,33 -1,71 -3,30612 0 -23,0204
11 35 4 32 141 -2,07 -6 11,43 4,29 36 130,61 1,29 -2,66327 -7,71429 14,69388
12 37 9 31 152 2,93 -7 22,43 8,58 49 503,04 3,29 9,622449 -23 73,69388
13 41 12 35 154 5,93 -3 24,43 35,15 9 596,76 7,29 43,19388 -21,8571 177,9796
14 37 7 29 160 0,93 -9 30,43 0,86 81 925,90 3,29 3,05102 -29,5714 99,97959
Total 472 85 532 1814 0,00 0 0 114,9286 450 4747,429 0 116,2857 -222 498,2857
media 33,71429 6,071429 38 129,5714
Concluzie: Analizînd datele anterioare, observăm că am obţinut aceleaşi rezultate, ceea ce confirmă că am
efectuat corect calculele, prin ambele metode. În cazul dat, atăt prin MCMMP, cît şi prin Metoda centrării
datelor, estimatorii parametrilor de regresie coincid, adică au aceiaşi valoare.
16
4. Efectuăm calculul estimaţiei varianţei erorilor şi abaterii standart pentru fiecare coeficient.
Calculăm varianţa erorilor conform formulei:
2
2 '
ee 2
ei
Y Y
e
n k 1 n k 1 n k 1
Pentru a calcula varianţa erorilor avem evoie de un şir de date, pe care le găsim în tabel.
Tabelul 4
(Yi Y ) (Yi Y ) 2
Nr. Y (Yi Y ) (Yi Y ) 2 Y ( e) (e 2 )
1 28 -5.71 32.6041 29,5936 -1,5936 2,539561
2 30 -3.71 13.7641 28,5818 1,4182 2,011291
3 26 -7.71 59.4441 30,6054 -4,6054 21,20971
4 32 -1.71 2.9241 33,6408 -1,6408 2,692225
5 30 -3.71 13.7641 34,6526 -4,6526 21,64669
6 35 1.29 1.6641 35,6644 -0,6644 0,441427
7 37 3.29 10.8241 35,6644 1,3356 1,783827
8 35 1.29 1.6641 32,629 2,371 5,621641
9 37 3.29 10.8241 32,629 4,371 19,10564
10 32 -1.71 2.9241 35,6644 -3,6644 13,42783
11 35 1.29 1.6641 31,6172 3,3828 11,44334
12 37 3.29 10.8241 36,6762 0,3238 0,104846
13 41 7.29 53.1441 39,7116 1,2884 1,659975
14 37 3.29 10.8241 34,6526 2,3474 5,510287
Total 472 0 226.8574 471,983 0,017 109,1983
17
Pentru a calcula abaterea standard, este nevoie să calculăm matricea varianţelor şi covarianţelor coeficienţilor de
regresie , în relaţie înlocuim varianţa erorii prin estimatorul său.
a
2 ( X ' X ) 1
a
Dispersiile coeficienţilor de regresie, le găsim pe diagonala principală a matricei varianţelor şi covarianţelor, iar
radicalul dispersiilor sunt abaterile standard.
2
a 119.63 a 119.63 10.93755
0 0
2
a 0.11098 a 0.11098 0.333
1 1
2
a 0.03049 a 0.03049 0.1746
2 2
2
a 0.00336 a 0.00336 0.05797
3 3
2
Concluzie: În urma calculelor efectuate am obţinut, varianţa erorilor egală cu e 8.3999 , iar abaterile standart,
2 2 2 2
egale cu: a 10.93755 ; a 0.333 ; a 0.1746 ; a 0.05797 .
0
1
2
3
18
2
i
e 2 Y Y
109.1983
R 1
2
1 1 0.51865 51.86%
Y Y i
2 2
i Y Y 226.8574
Concluzie: Coeficientul de determinaţie are valoarea R 2 51.86% , ceea ce exprimă faptul că 52% din variaţia lui Y, se
datorează variaţiei variabilelor independente, X 1 , X 2 , X 3 .
n 1 14 1
R2 1
n k 1
* 1 R2 1
14 3 1
* 1 0.51865 0.374245
Concluzie: Coeficientul de determinaţie „corectat” are valoarea R 2 0.3742 , observăm că are o valoare mai mică, din
cauză că a foet corectat cu gradul de libertate. Acest coeficient se calculează pentru a ţine cont de numărul relativ slab
de observări, comparat cu numărul de factori explicativi.
Formulăm ipotezele:
a 1 a 1
H 0 : 1 H 0 : 1
a 2 0.5 a 2 0.5
19
'
1 1
a q a q a q a q a q F q, n k 1
q
Unde, F q, n k 1 este legea Fisher, la pragul de semnificaţie şi q, n k 1 , grade de libertate. Pentru că avem de
0.8019
testat doi parametri rezultă că, q 2 , a q , adică valorile estimatorilor a1 , a 2 , calculate anterior şi
0.38136
1
a q .
0.5
1
Avem nevoie şi de valoarea indicatorului, a q , pe care o calculăm în felul următor:
0.01320 0.00119 0.0890 0.0080 1 11.5718 3.8026
aq 6.745 *
a q
0.00119 0.00363 0.0080 0.0245 3.8026 42.0365
Având toate datele necesare, determinăm valoarea calculată a testului Fisher, înlocuind datele în formulă, obţinem:
20
Fcalc Ftab 0.6122 4.103 , ceea ce semnifică faptul ca se acceptă ipoteza nulă,
6. Verificăm dacă coeficienţii a1 şi a 2 , sunt semnificativ diferiţi de 1 şi -0.5, pentru a verifica această ipoteză este
nevoie să efectuăm câţiva paşi.
1) Formulăm ipotezele:
H 0 : a1 1 H1 : a1 1
3) Determinăm valoarea tabelară a testului t-Student, în dependenţă de nivelul de semnificaţie 5% 0.05 şi n-1,
grade de libertate.
4) Comparăm valorile:
a1
t calc 0.05
t13 2.6882 2.160 , ceea ce semnifică că se respinge ipoteza nulă şi se acceptă ipoteza alternativă, adică
semnifică faptul că coeficientul a1 , este diferit de 1.
21
1) Formulăm ipotezele:
H 0 : a2 0.5 H1 : a2 0.5
3) Determinăm valoarea tabelară a testului t-student, în dependenţă de nivelul de semnificaţie 5% 0.05 şi n-1,
grade de libertate.
4) Comparăm valorile:
a1
t calc 0.05
t13 2.4368 2.160 , ceea ce semnifică că se respinge ipoteza alternativă şi se acceptă ipoteza nulă, adică
semnifică faptul că coeficientul a 2 , nu respinge posibilitatea de-a fi egal cu -0.5.
22
cu -0.5. În concluzie putem menţiona faptul că coeficienţii a1 şi a 2 , nu sunt semnificativ diferiţi de 1 şi -0.5, doar
coeficientul a1 , este diferit de 1, pe când coeficientul a 2 , nu se respinge posibilitatea de-a fi egal cu -0.5.
Intervalul de încredere a varianţei erorilor permite determinarea varianţei amplitudinii erorii şi calculăm intervalul de
încredere, în baza testului hi-pătrat, 2 ,conform formulei:
2 2
IC :
n k 1 * e
;
n k 1 * e
, unde
12
22
12 , are (n-k-1), grade de libertate şi (1 ) , pragul de semnificaţie.
2
22 , (n-k-1), grade de libertate şi , pragul de semnificaţie.
2
Având toate datele necesare, înlocuim în formulă, obţinem:
Concluzie: În urma calculelor efectuate, am obţinut intervalul de încredere pentru variaţia erorilor fiind:
2
3.2929 e 20.7730 3.2929 6.745 20.7730 , într-adevăr observăm că valoarea dată este mai mare decât 3.2929
şi mai mică decât 20.7730.
23
8. Verificăm dacă adăugarea variabilelor independente X 1 , X 2 , ameliorează semnificativ calitatea estimaţiei, în
raport cu X 1 , singur. Adăugarea unor variabile explicative în model are drept efect creşterea, sumei pătratelor
explicative, SPE şi o reducere a sumei pătratelor reziduale, SPR şi de aceea este nevoie să vedem diferenţa între
SPE ( a modelului cu toate variabilele explicative incluse ) şi SPE ' ( a modelului cu o singură variabilă
explicativă X 1 ) va fi semnificativ pozitivă.
Soluţionăm modelul cu o singură variabilă independentă, X 1 :
Y a bx1 e
Estimăm valorile parametrilor modelului în baza metodei centrării datelor, toate datele necesare calculelor sunt
indicate în Tabelul 5.
(Yi Y ) (Yi Y ) 2
Nr. Y (Yi Y ) (Yi Y ) 2 Y ( e) (e 2 )
1 28 -5.71 32.6041 29,5936 -1,5936 2,539561
2 30 -3.71 13.7641 28,5818 1,4182 2,011291
3 26 -7.71 59.4441 30,6054 -4,6054 21,20971
4 32 -1.71 2.9241 33,6408 -1,6408 2,692225
5 30 -3.71 13.7641 34,6526 -4,6526 21,64669
6 35 1.29 1.6641 35,6644 -0,6644 0,441427
7 37 3.29 10.8241 35,6644 1,3356 1,783827
8 35 1.29 1.6641 32,629 2,371 5,621641
9 37 3.29 10.8241 32,629 4,371 19,10564
10 32 -1.71 2.9241 35,6644 -3,6644 13,42783
11 35 1.29 1.6641 31,6172 3,3828 11,44334
12 37 3.29 10.8241 36,6762 0,3238 0,104846
13 41 7.29 53.1441 39,7116 1,2884 1,659975
14 37 3.29 10.8241 34,6526 2,3474 5,510287
Total 472 0 226.8574 471,983 0,017 109,1983
Calculăm valoarea estimatorului b , conform formulei:
24
b
Y Y * X X 116.29 1.0118
i 1 1
X X
2
114.93
1 1
Calculăm valoarea estimatorului a , conform formulei:
a Y b* X 1 33,7 1.0118 * 6.0714 27,557
În rezultat am obţinut, valoarea estimatorului a 27,557 şi valoarea estimatorului b 1.0118 .
Pentru a ne convinge de veridicitatea datelor, calculăm cu ajutorul pachetului de programe Eviews , în rezultat obţinem
aceleaşi rezultate, cea ce ne demonstrează că calculele au fost efectuate corect.
25
Calculăm valoarea sumei pătratelor totale, care reiese din relaţia:
SPT ' SPR ' SPE ' SPT ' 109.20 117.66 226.86
Y i Y / k
SPE
k 159.41 / 2 79.74
Fcalc 2
11.81
SPR
67.45 / 10 6.75
Y Y i / n k 1
n k 1 i
26
Ftab F2;10 F20;10
.05
4.103
Fcalc F20;10
.05
11.81 4.103 , ceea ce semnifică că se respinge ipoteza nulă şi se acceptă ipoteza alternalivă, ceea
ce semnifică că există o relaţie semnificativă între variabila dependentă şi variabilele independente.
Concluzie: În urma calculelor efectuate am obţinut: Fcalc F20;10.05 11.81 4.103 , ceea ce denotă faptul că se respinge
ipoteza nulă şi se acceptă ipoteza alternativă, ceea ce denotă faptul că adăugarea variabilelor explicative X 1 , X 2 , nu
ameliorează semnificativ calitatea estimaţiei modelului, în raport cu o singură variabilă independentă X 1 .
27
9. Verificăm dacă coeficienţii sunt semnificativ diferiţi de 0, iar regresia este global semnificativă. Pentru a
verifica această ipoteză, avem nevoie de o variabilă independentă X, care să influenţeze variabila dependentă, Y,
semnificativ.
Trebuie să construim tabelul de analiză al varianţei, deoarece ne permite de-a efectua testul Fisher.
Tabelul 6
Sursa variaţiei Suma pătratelor Gradul de Pătrate medii
libertate
X1, X 2 , X 3
2
k 3 SPE 159.41
SPE Y Y 159.41
k 3
Rezidiu
2 (n k 1) (14 3 1) 10 SPR 67.45
SPR Yi Y 67.45
(n k 1) 10
Total
SPT Yi Y
2
226.86 n 1 14 1 13
Efectuăm testarea cu ajutorul testului Fisher, toate datele necesare pentru efectuarea datelor le avem calculate în
exerciţiile interioare, deci putem efectua calculul, parcurgând paşii:
1. Formulăm ipotezele:
28
2
SPE
k
Y i Y / k
R2 / k 0.7027 / 3
7.8855
Fcalc
SPR
2
2
1 R / n k 1 1 0.7027 / 10
n k 1 i i /n k 1
Y Y
Fcalc F30;10
.05
7.8855 3.708 , ceea ce semnifică că se respinge ipoteza nulă şi se acceptă ipoteza alternativă, ceea
ce semnifică că există o relaţie liniară semnificativă între variabila dependentă Z şi variabilele independente X 1 , X 2 , X 3
şi regresia este considerată semnificativă.
Concluzie: În urma calculelor efectuate am obţinut: Fcalc F30;10.05 7.8855 3.708 , ceea ce denotă faptul că se respinge
ipoteza nulă şi se acceptă ipoteza alternativă, ceea ce demonstrează că, coeficienţii, a1 ; a2 ; a3 , sunt semnificativ diferiţi
de 0, deci regresia este global semnificativă.
29
11.Calculăm previziunea şi intervalul de încredere pentru următoarele două perioade, dacă se cunosc datele:
X 1 (15) 3 X 2 (16) 6
X 2 (15) 24 X 2 (16) 38
X 3 (15) 165 X 3 (16) 170
Pentru a calcula previziunea pentru următoarele două perioade trebuie datele cunoscute înlocuite în formulă, obţinem
valoarea de previziune pentru aceste perioade. Având toate datele necesare, putem calcula previziunea pentru aceste
perioade.
Concluzie: În urma calculelor efectuate am obţinut previziunea pentru perioada 15, valoarea de 35.27529, iar pentru
perioada 16, valoarea de 32.1563. În comparaţie cu perioadele precedente, observăm că nu este un decalaj între valori.
30
2 1
Yt h Y t h t n2k 1 * e * X t' h X ' X X t h 1
Unde:
0.05
t 2
n k 1 t 10
2
t10
0.025
2.764 , în baza testului t-Student.
Y15 Y 15 t
0.025
10
2
* e * X 15' X ' X
1
X 15 1 Y15 35.27529 2.764 *
14.24209 0.02630 0.20613 0.05851 1
0.02630 0.01320 0.00119 0.00094 3
* 6.745 * 1 3 24 165 1
0.20613 0.00119 0.00363 0.00057 24
0.05851 0.00094 0.00057 0.00040 165
31.7841 2.764 * 97.746 35.27529 27.3266 7.94869
Y15 Y 15 t10
0.025
* e * X 15' X ' X
2
1
X 15 1 Y15 35.27529 27.3266 62.60189
Concluzie: În urma calculelor efectuate am obţinut intervalul de previziune, care este, 7.94869 Y15 62.60189 .
31
Calculăm intervalul de previziune pentru perioada 16, în baza formulei:
Y16 Y 16 t10
0.025
2
* e * X 16' X ' X 1
X 16 1 Y16 32.1563 2.764 *
14.24209 0.02630 0.20613 0.05851 1
0.02630 0.01320 0.00119 0 .00094 6
* 6.745 * 1 6 38 170 1
0.20613 0.00119 0.00363 0.00057 38
0.05851 0.00094 0.00057 170
0.00040
28.6651 2.764 * 78.8271 32.1563 24.5401 7.6162
Y16 Y 16 t
0.025
10
2
* e * X 16' X ' X
1
X 16 1 Y16 32.1563 24.5401 56.6964
Concluzie: În urma calculelor efectuate am obţinut intervalul de previziune, care este, 7.6162 Y16 56.6964 .
32