Tải bản đầy đủ - 0 (trang)
So sánh trung bình với dữ liệu từng cặp

So sánh trung bình với dữ liệu từng cặp

Tải bản đầy đủ - 0trang

Giả thiết :

H0: μ1 = μ2 Chiến dịch quảng cáo khơng thành cơng

Vì |t|=3,75682 > tα/2=2,04523 nên bác bỏ giả thiết H0

VI.KẾT QUẢ

Chiến dịch quảng cáo thành công



CÂU 3

I.ĐỀ BÀI

Tuổi X và huyết áp Y của bệnh nhân trẻ em (dưới 14 tuổi), chọn ngẫu nhiên được

cho trong bảng sau đây:

X 14 1 9

7

9

12 1 3 14 1 9

7

9 12 1 3

Y 100 83 112 152 104 90 92 85 110 73 132 122 134 98 82 65

Tính tỷ số tương quan,hệ số tương quan và hệ số xác định của Y đối với X. Với

mức ý nghĩa α =5%, có kết luận gì về mối tương quan giữa X và Y (Có phi tuyến

khơng ? Có tuyến tính khơng ?)? Tìm đường hồi quy tuyến tính của Y đối với X.

Tính sai số tiêu chuẩn của đường hồi quy.

II.DẠNG BÀI

Phân tích tương quan

Hồi quy tuyến tính



III.PHƯƠNG PHÁP GIẢI

Phân tích tương quan

Hệ số tương quan dùng để đo mức độ phụ thuộc tuyến tính giữa hai ĐLNN , tuy

nhiên chưa có một chỉ tiêu để đo mức độ phụ thuộc nói chung

Hệ số tương quan giữa X và Y rất bé thậm chí bằng khơng thì giữa X và Y vẫn có

một mối quan hệ phi tuyến tính rất chặt chẽ

Vậy để đo mức độ phụ thuộc của đại lượng ngẫu nhiên Y và đại lương ngẫu nhiên X

người ta đưa ra khái niệm tỷ số tương quan



Hệ số tương quan dùng trong việc đánh giá mức độ liên quan

+Nếu R < 0.7 thì mức độ liên quan nghèo nàn

+Nếu |R|nằm trong khoảng 0.7 – 0.8 thì mức độ liên quan khá

+Nếu |R| nằm trong khoảng 0.8 – 0.9 thì mức độ liên quan tốt

+Nếu |R|> 0.9 thì mức độ liên quan xuất sắc

Hệ số xác định : R2

Tỷ số tương quan được lý giải như là tỷ lệ biến động của Y do có sự phụ thuộc của

Y và X

Hồi quy đơn tuyến tính



Với Y- Biến số phụ thuộc ( dependent/reponse variable )

X-biến cố độc lập ( independent/ predictor variable )



�0 và B – các hệ số hồi quy ( regression coeficents )



Kiểm định hệ số phương trình hồi quy tuyến tính:

Giả thiết: H0 : βi = 0 hệ số hồi quy khơng có ý

nghĩa

H1 : βi ≠ 0 hệ số hồi quy có ý nghĩa

+ Sử dụng kiểm định t ( phân phối Student)



Phân phối Student : γ = N − 2

Nếu ti < tα (N-2) thì chấp nhận H0 và ngược lại

+ Sử dụng kiểm định F ( phân phối Fischer)

Giả thiết: H0 : βi=0 phương trình hồi quy khơng thích hợp

H1 : βi ≠ 0 phương trình hồi quy thích hợp



Phân phối fischer : v1=1 và v2 = N-2

Nếu F < Fα(1,N-2) thì chấp nhận H0 và ngược lại

IV.CƠNG CỤ GIẢI

+ Phân tích tương quan : sử dụng chương trình Correlation để tìm hệ số tương quan

+ Hồi quy đơn tuyến tính : sử dụng chương trình Regression



V.KẾT QUẢ VÀ CÁCH TÍNH

1.PHÂN TÍCH TƯƠNG QUAN TUYẾN TÍNH

Số liệu nhập vào :



Thiết lập bảng Correlation

Data → Analysis→ Correlation

Input range: phạm vi đầu vào ($A$36:$B$50)

Grouped by: nhóm dữ liệu theo hàng hoặc cột ( chọn Column – cột )

Labels in Firt Row : gắn nhãn ở hàng đầu tiên ( chọn )

Chọn New worksheet Ply ( hiện trong bảng tính mới )



Dữ liệu đầu ra



Hệ số tương quan R=0,466627

Hệ số xác định R2 = 0.218

Giả thiết : X và Y khơng tương quan tuyến

tính Tính tốn:

n =16



Suy ra T = 1.973631647

Phân phối Student với α =0.05 và bạc tự do n2=14 Tra bảng ta có c=2.145 (=TINV(0.05,14) )

|�| < c nên chưa có cơ sở để bác bỏ H0 -> chấp nhận H0

Vậy X Y khơng có tương quan tuyến tính

2.PHÂN TÍCH TƯƠNG QUAN PHI TUYẾN

Sắp xếp lại bảng số liệu

Y



1

73

82

83

92



3

65

85



7

122

152



9

104

112

132

134



12

90

98



14

100

110



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

So sánh trung bình với dữ liệu từng cặp

Tải bản đầy đủ ngay(0 tr)

×
x