LECTIA 14. ANALIZA DISPERSIEI SI ANALIZA REGRESIBI 203 Py = unde =m! = gi pomp = HE, ot = Vf HEEB, gy = Hie Daca piy se apropie de +1 sau de -1 putem spera ca X gi Y sa fie mu, se continu investigatia prin analize mai fine Sa incepem prin a examina urmatorul exemph (14.5) late liniar. Daca Exemplul 14.2 Ne intereseazti care este legitura intre numiirul de ore afectate de un student de inteligentit medic studiului Analizei matemetice (lunar) si rezultatele obtinute de acesta la examen. In urma unui sondaj efectuat pe 10 studenti s-au obtinut urmiitoarele rezultate: Student Nr. ore: x Nota: y 1 5 2 7 3 8 4 10 5 13 6 7 8 9 yo 6 15 6 16 7 17 9 20 9 10 30 10 Punem intr-an grafic aceste date. Dreapta de regresieLECTIA 14. ANALIZA DISPERSIEI $I ANALIZA REGRESIEI 204 Se pune problema dact aceste puncte sunt “foarte” apropiate de o dreaptit. Mai exact, sit notim cu (2, ys), i =T,n valorile obtinute dintr-un sondaj pentru v.a. X si ¥. Exist bo,b: € R_ astfel incat diferentele e; = y; — by — yx; sit fie "mici”? Care sunt “cei mai buni” dy si by care st fact acest lucru? Sau poate evista bp,b1,...,dk astfel incit diferentele e; = 14 — bo — bx, — bya? —--- — bya? sit fie mici pentru orice i = T,n? Definitia 14.3 Eeuatia Y= Bot Byars tei=Tn (14.6) se numeste model de regresie simpli (sau liniarii), iar ccuatia Yi = By + Biei + Bye? +--+ + Beat +e (14.7) unde i = Tyn , se numeste model de regresie multipla. De exemplu, pentrn k = 2 se numeste regresie parabolici, ete Noi ne vom ocupa aici in exclusivitate cu regresia liniard (simpla). Vom interpreta y; ca find valorile unei v.a.. La fel vom interpreta valorile erorilor e,. De asemenea. vom interpret 4p si 8, ca fiind valorile unor v.a. pe care le vor determina prin metoda celor mai mi patrate. 14.2.1 Metoda celor mai mici patrate (C. F. Gauss) Daca vrem si aproximam y; © $y + 9,2; eroarea comisi este e;, 7 = Tyr. Vom pune conditia ca suma patratelor erorilor e, s& fie minima: $= oP =o vi ~ Bo ~ By)? = minima. (48) a (vezi si Lectia 8). Este usor de araitat o& $=S(9, 9,) are un singur minim pentrn Sy = bo, 8, = by, unde by si by reprezinti solutia sistemului liniar 0 (14.9) 3 = 2S By Bins). =0 (14.10)LECTIA 14. ANALIZA DISPERSIEI SI ANALIZA REGRESIBI 205 Notam eu J= ny, si cu T= nV, at Atunei, din (14.9) rezultit ei by =F—bE (14.11) Dar by si by verificd si (14.10) Sora: = nbo = bs S22? = 0 (14.12) rast a (14.11) si (14.12) ne conduc la expresia Ini by w-059) /(Sa-=") (14s) Nu este grou de aratat cb; se mai poate serie sub forma "centrati”: (14.14) piitrate me di by = 2,621, by = 0,274, y = by +i de puncte respectiv(veri figura ”Dreapta de regr 14.2.2 Conditiile Gauss-Markov pentru metoda celor mai mici patrate Conditiile Gauss-Markov sunt conditii naturale care se impun v.a, ¢;, i = T,7. Prima conditie cere ca media v.a. ¢; si fie zero: