Дисперсійний аналіз

	df	SS	MS	F	Значимость F
Регрессия	1	1,24E+08	124094600	27,402	0,0002
Остаток	13	58873556	4528735
Итого	14	1,83E+08

Таблиця 12

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 91,0%	Верхние 91,0%
Y-пересечение	8848,494	1194,042	7,411	5,116E-06	6268,923	11428,06	6661,368	11035,62
Переменная X 1	-17,969	3,433	-5,235	0,0002	-25,384	-10,553	-24,256	-11,681

Показники таблиці 6 свідчать про те, що зв’язок між тривалістю роботи в режимі очікування та ціною мобільного телефону є прямим (оскільки значення коефіцієнта кореляції R = 0,824 > 0) і щільним (оскільки значення коефіцієнта кореляції R = 0,824 знаходиться в межах від 0,8 до 0,9). Параметри рівняння регресії беремо з таблиці 4. Ми отримаємо рівняння виду y(x) = a + bx, оскільки параметрів лише 2. Рівняння регресії буде мати вигляд y(x) = 8848,494 – 17,969 x. Коефіцієнт b = -17,969 (коефіцієнт регресії) показує нам, що за кожну додаткову годину роботи в режимі очікування, ціна буде зменшуватися на 17,969 гривень. Цю модель можна вважати неістотною, тому що значення колонки «Значимость F» Таблиці 3 становить 0,0002, що не перевищує допустимих 0,09 відповідно до нашої імовірності 0,91.

Висновок. Отже, за допомогою цієї лабораторної роботи я навчився з’ясовувати взаємозв’язки між різними сукупностями, а також на основі обчислень записувати рівняння регресії і оцінювати моделі на істотність. Також я вдосконалив свої вміння роботи з Microsoft Excell.