Exemplu rezolvare n EXCEL

Ziua 1 2 3 4 5 6 7 Nr. spoturi publicitare 7 5 1 8 10 2 6 Profit din vanzari (u.m.) 22 12 8 20 40 10 15

Exemplu rezolvare n EXCEL

Rezolvare folosind EXCEL:

Introducei datele pe dou coloane. n celula A1 se scrie Nr. spoturi iar n B1 Profit. Apsai TOOLS/DATA ANALYSIS i apoi REGRESSION La Input Y Range selectai B1:B8 La Input X Range selectai A1:A8 Daca doriti sa calculati valorile reziduale selectati Residuals . Apsai OK

Exemplu:
45 40 35 30 Profit 25 20 15 10 5 0 0 2

Corelograma (Scatter diagram )

y = 2.9884x + 1.4931

6 Nr. spoturi

10

12

Exemplu rezolvare n EXCEL

Exemplu rezolvare n EXCEL

RESIDUAL OUTPUT Observation Predicted Profit din vanz. Residuals 1 22,41204 -0,41204 2 16,43519 -4,43519 3 4,48148 3,51852 4 25,40046 -5,40046 5 31,37731 8,62269 6 7,46991 2,53009 7 19,42361 -4,42361

Exemplu rezolvare n EXCEL

SUMMARY OUTPUT Regression Statistics Multiple R (R) 0,8793 2 R Square (R ) 0,7731 Adjusted R Square Standard Error (se) Observations (n) 0,7278 5,6869 7

Interpre tri : R : legtura dintre X i Y este puternic. R2 : 77,3% din variaia lui Y este determinat de influena lui X (este explicat de model)

Exemplu rezolvare n EXCEL

Grade de libertate ( Degrees of Freedom ) Varian ( Sum-of-Squares ) Dispersie corectat ( Mean-of-Squares ) Valoarea calculata a testului F

ANOVA df Regression Residual Total k=1 n-k-1 = 5 n-1 = 6 SS MS F Fcalc = 17,04176 Significance F

SSR = 551,1511 SSE = 161,7060 SST = 712,8571

MSR = 551,1511 MSE = 32,3412

minim =
0,0091

Interpretri:

Modelul de regresie este semnificativ statistic (valid) (adic se accept H1) pentru o probabilitate de cel mult 100-0,91=99,01%>95% (100Significance F %)

Exemplu rezolvare n EXCEL

Standard Coefficients Error sa = Intercept a = 1,4930 4,5702 Nr.spoturi sb publicitare b =2,9884 =0,7239 t Stat
t calc = 0,3267

P-value

Low er 95%

Upper 95% 13,2412 4,849 3

0,7571 -10,2551 0,0091 1,1275

t calc = 4,1282

Interpre tri: Parametrul nu este sem nificativ, deoarece probabilitatea cu care se poate acce

H1 (care susine c este semnificativ) este de cel m ult 100 -75,71=24,29%<95%.

10,2551 13,2412

Parametrul este semnificativ, deoarece probabilitateacare se poate accepta H1 cu

(care susine c este semnificativ) este de cel m ult 100-0,91=99,01% >95%

1,1275 4,8493

SUMMARY OUTPUT Regression Statistics Multiple R 0,879293972 R Square 0,77315789 Adjusted R Square 0,727789468 Standard Error 5,686932715 Observations 7 ANOVA df Regression Residual Total Significance F SS MS F 1 551,151124 551,151 17,0418 0,00910121 5 161,706019 32,3412 6 712,857143

Standard Coefficients Error t Stat P-value Lower 95% Upper 95% Intercept 1,493055556 4,57023275 0,32669 0,75713 -10,255102 13,2412128 Nr.spoturi publicitare 2,988425926 0,7239111 4,12817 0,0091 1,1275532 4,84929865

Determinarea coeficientului de corelatie liniara Pearson in Excel

Nr. Spoturi publicitare Nr. Spoturi publicitare Profit din vanzari (u.m) Profit din vanzari (u.m)

1 0,879293972 1

rxy

Exemplu rezolvare n SPSS

Exemplu rezolvare n SPSS

Exemplu rezolvare n SPSS

Exemplu rezolvare n SPSS

Exemplu rezolvare n SPSS

2. Estimarea valorilor variabilei dependente

Dac presupunem c la unit. statistica i variabila independent ia valoarea specificat Xn+1,i i legtura liniar se menine, atunci valoarea corespunztoare a variabilei dependente la acea unitate (Yn+1,i) este: Yn+1,i = + Xn+1,i + n+1,i cu val. ajustata:

Yn +1,i = + X n +1,i

Daca (Xn+1,i) = Xn+1, atunci media tuturor valorilor Yn+1,i va fi: (Yn+1,i/X = Xn+1) = + Xn+1. Ecuaiile de mai sus sunt utilizate pentru estimarea mediei de rspuns i pentru estimarea unui rspuns individual. Pentru amndou estimaiile putem obine estimaii punctuale sau pe intervale de ncredere. Pentru a obine estimaii punctuale, folosim ecuaia de regresie liniar n eantion:

2. Estimarea valorilor variabilei dependente

yi = a + bxi + ei ; yi = a + b xi

i atunci, nlocuind pe xi cu valoarea dat Xn+1, obinem:

y n +1 = a + b x . n+1

Construirea intervalului de ncredere pentru previzionare necesit cunoaterea distribuiei, mediei i dispersiei pentru 1 y n +1 yn+ . Variabila urmeaz o distribuie t cu (n 2) grade de libertate. Dispersia asociat variabilei poate fi identificat n trei cazuri i anume:

2. Estimarea valorilor variabilei dependente

determinarea intervalului de ncredere pentru media de rspuns, cnd xn+1 = x . y = a + b x a = y b x tim c: y n +1 = a + b x n +1 dar
y n +1 = y b x + bx n +1 = y + b x n +1 x y n+ dac x =x , atunci1 = y,
2 pentru este: se s (2y ) = s (2y ) = n
n +1

n+1

yn+ iar estimatorul dispersiei1

Intervalul de ncredere este, n acest caz: se

y n +1 t / 2 ,n 2

2. Estimarea valorilor variabilei dependente

determinarea intervalului de ncredere pentru media de rspuns, cnd xn+1 x .

n acest caz: y n +1 = y + b( x n +1 x )

y n +1 este: iar estimatorul dispersiei pentru 1 ( xn +1 x) 2 2 s(2y ) = s[2y +b ( x x ) ] = se + n n 2 xi x i =1

n +1 n +1

Intervalul de ncredere pentru media de rspuns este:

y n +1 t / 2 , n 2 s e

x n +1 x 1 + n n x i x
i= 1

2. Estimarea valorilor variabilei dependente

determinarea intervalului de ncredere pentru un rspuns individual. n acest caz trebuie s determinm dispersia diferenei y n+1 y n +1,i ,adic

dispersia erorii de previzionare. Dispersia n eantion este: ( xn +1 x) 2 2 1 ( xn +1 x) 2 2 2 2 1 2 s( y ) = s( y y ) = se + n + se = se 1 + + n n n ( xi x)2 ( xi x)2 i =1 i =1

n + 1, i n +1 n + 1, i

Intervalul de ncredere este:

y n +1,i t / 2 ,n 2 se ( xn +1 x) 2 1 1+ + n n ( xi x) 2
i =1