1.

Pendugaan Interval dan Pengujian

 
Ketika kesalahan adalah NID 0,  2 , estimasi parameter, nilai yang dipasang, dan prediksi

akan terdistribusi secara normal karena semua ini adalah kombinasi linear dari yi dan karenanya dari

ei. Interval kepercayaan dan tes dapat didasarkan pada distribusi t, yang merupakan distribusi yang
sesuai dengan perkiraan normal tetapi menggunakan estimasi varians 𝜎̂ 2 . Misalkan kita membiarkan
t(α/2,d) menjadi nilai yang terputus α /2× 100% dalam ekor atas dari distribusi t dengan d df. Nilai-nilai
ini bisa dihitung dalam sebagian besar paket statistik atau perangkat lunak spreadsheet .

1.1. The Intercept

Intercept digunakan untuk menggambarkan bentuk umum interval kepercayaan untuk estimasi yang
didistribusikan secara merata. Kesalahan standar intersep adalah se(β0) = 𝜎̂ (1/ n + x2/SXX)1/2. Karena itu
a(1-α) × Interval kepercayaan 100% untuk mencegat adalah himpunan poin β0 dalam interval

Untuk data forbes,

Untuk interval kepercayaan 90%, t(0.05,15)=1.753, dan intervalnya adalah

Sembilan puluh persen dari interval tersebut akan termasuk nilai sebenarnya, Tes hipotesis
untuk

diperoleh dengan menghitung t-statistik

 Dan merujuk rasio ini ke distribusi t dengan n - 2 df. Misalnya, dalam Forbes ’data,
pertimbangkan untuk menguji NH β0 = -35 terhadap alternatif itu β0 ≠ -35. statistik adalah

yang memiliki 𝜌 nilai dekat 0.05, memberikan beberapa bukti terhadap NH. Tes hipotesis ini
untuk data ini bukan yang akan terjadi pada sebagian besar simpatisan dan digunakan hanya
sebagai ilustrasi.

1.2. Lereng

Kesalahan standar β̂1 adalah se(β̂1) = 𝜎̂ /√SXX = 0.0164. Kepercayaan 95% antarval
untuk kemiringan adalah himpunan β1 seperti yang

1.3. Ramalan

Estimasi fungsi rata-rata dapat digunakan untuk mendapatkan nilai respons yang diberikan nilai-nilai
prediktor. Dua varian penting dari masalah ini adalah ramalan dan estimasi nilai yang dipasang Karena
prediksi lebih penting, kami membahasnya pertama.

Dalam prediksi kami memiliki kasus baru, mungkin nilai masa depan, bukan yang biasa estimasi
parameter, dengan nilai yang diamati dari prediktor x∗. Kami ingin tahu nilainya y∗, respon yang sesuai,
tetapi belum diamati. Kita dapat menggunakan fungsi rata-rata yang diperkirakan untuk
memprediksinya. Kami menganggap itu data digunakan untuk memperkirakan fungsi rata-rata relevan
dengan kasus baru, jadi pas Model berlaku untuk itu. Dalam contoh ketinggian, kita mungkin mau
mendaftar fungsi rata-rata pas untuk pasangan ibu-anak hidup di Inggris pada akhir abad kesembilan
belas. Masalah Forbes, kami mungkin akan bersedia untuk menerapkan hasil untuk ketinggian dalam
rentang yang ia pelajari. Dengan asumsi tambahan ini, prediksi titik y∗, mengatakan 𝑦̃∗,

y∗ memprediksi yang belum teramati y∗ memprediksi yang belum teramati. Keragaman prediktor ini
̂ 0 dan β
memiliki dua sumber: variasi dalam perkiraan β ̂ 1, dan variasi karenafakta bahwa y∗ tidak akan
sama dengan harapannya, karena bahkan jika kita tahu parameternya tepatnya, nilai tanggapan di masa
mendatang w sakit umumnya tidak sama dengan harapannya. Menggunakan Lampiran A.4
 Mengambil akar kuadrat dan memperkirakan σ2 Oleh 𝜎̂ 2 . , kami mendapatkan kesalahan
prediksi standar

Interval prediksi menggunakan pengganda dari distribusi t. Untuk prediksi 100 ×log
(Tekanan) untuk lokasi dengan x∗ = 200, intinya prediksi adalah 𝑦̃∗ = -42.13778 + 0 .89549 (
200) = 136.961, dengan kesalahan prediksi standar

Jadi interval prediksi 99% adalah himpunan semua y∗ seperti yang

Yang lebih menarik adalah interval prediksi 99% untuk Tekanan , bukan untuk 100
×log ( Tekanan). Prediksi titik hanya 10 (136.961/100) = 23.421 inci Air raksa. Interval
prediksi ditemukan dengan secara eksponensial titik akhir Interval dalam skala log. Dibagi
dengan 100 dan kemudian eksponensial, kita dapatkan

Dalam skala asli, interval prediksi tidak simetris tentang titik memperkirakan. Untuk
data ketinggian, Gambar 2.5 adalah plot dari estimasi fungsi rata-rata yang diberikan oleh
garis putus-putus untuk regresi Dheight di Mungkin bersama dengan kurva di
 Jarak vertikal antara dua kurva padat untuk nilai berapa pun Mungkin perusahaan
menanggapi interval prediksi 95% untuk tinggi anak perempuan yang diberikan tinggi ibu.
Meskipun tidak jelas dari grafik karena ukuran sampel yang sangat besar, namun Interval
lebih lebar untuk ibu yang relatif tinggi atau pendek, seperti kurva membungkuk ke luar dari
titik tersempit di Mungkin = Mungkin