75 11.3. b1 = 2,00 < 3,75 = ∆b1 Mudeli liikme b1 võib lugeda b0 = -1,72 < 1,21 = ∆b0 Mudeli liikme b0 võib lugeda mudel: y = 2x-1,72 11.4. yi-(b0+b1xi) (yr-yo)2 x2 i x2i / N∙Vx 1.72 0.001 0.81 0.02 3.22 3.14 17.64 0.44 -1.18 0.02 3.24 0.08 -0.88 6.91 15.21 0.38 -2.88 1.37 10.89 0.27 Kokku 0
kui leitud t, võtakse nullhüpotees vastu. Kasutatakse ka Fisheri teisendust: korreleerimatuse nullhüpoteesi kontrolliks arvutatakse z-statistik, mis on jaotunud normeeritud normaaljaotusega N(0,1). Lineaarne ühefaktoriline regressioonimudel. Mudeli leidmiseks vajalike katsetulemustena on vaja paarisvalimit, mis koosneb katse tulemusel saadud paarisvaatlustest. Vastav lineaarne seosemudel x ja y vahel on esitatav kujul: yi=b0+b1xi+ei, kus e tähistab juhuslikku müra i'ndas katses. Suurus x on sõltumatu muutuja, y sõltuv muutuja. Eeldatakse, et: *mudeli parameetrite väärtused on mingid fikseeritud arvud, mida tuleb hinnata *häiringu,müra väärtused eri katsetes on sõltumatud juhuslikud suurused, mille keskväärtus on 0 *sisendit x mõõdetakse ilma veata. Lineaarset mudelit yi=b0+b1xi+ei nimetame edaspidi regressioonimudeliks. Regressioonimudel tähendab statistilises mõttes väljundi keskväärtuse sõltuvust
kriitiline väärtus on suurem kui leitud t, võtakse nullhüpotees vastu. Kasutatakse ka Fisheri teisendust: korreleerimatuse nullhüpoteesi kontrolliks arvutatakse z-statistik, mis on jaotunud normeeritud normaaljaotusega N(0,1). Lineaarne ühefaktoriline regressioonimudel. Mudeli leidmiseks vajalike katsetulemustena on vaja paarisvalimit, mis koosneb katse tulemusel saadud paarisvaatlustest. Vastav lineaarne seosemudel x ja y vahel on esitatav kujul: yi=b0+b1xi+ei, kus e tähistab juhuslikku müra i'ndas katses. Suurus x on sõltumatu muutuja, y sõltuv muutuja. Eeldatakse, et: mudeli parameetrite väärtused on mingid fikseeritud arvud, mida tuleb hinnata häiringu,müra väärtused eri katsetes on sõltumatud juhuslikud suurused, mille keskväärtus on 0 sisendit x mõõdetakse ilma veata. Lineaarset mudelit yi=b0+b1xi+ei nimetame edaspidi regressioonimudeliks.
vaheliste seoste suunda, tugevust ja kuju; 2)prognoosida maj. nähtuste ja protsesside tõenäosuslikku arengut; 3)kontrollida empiiriliselt maj. teoreetiliste seisukohtade ja hüpoteesi paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on võimalik modelleerida oma olemuselt erinevaid sõltuvusi. Seose tihedust isel. näitaja. 1)Üks põhiline on korrelatsioonikordaja (korr.kordaja märk ei oma mingit tähtsust). Mida suurem on korrel.kor, seda tihedam on sõltuvus faktorite vahel, seda ebausaldatavamad on andmed
annaabi.ee 
