Scarica Dataset lida e più Esercizi in PDF di Statistica Per L'impresa solo su Docsity!
SqFt Prezzo Y Prezzi teorici Residui
48,20382con la funzione previsione
RESIDUAL OUTPUT
Figura 14.
Page 5
o in ordine o manca qualche anno non ho problemi
ea di tendenza. Selezionare visualizza equazione sul grafico e R^
con la funzione intercetta con la funzione pendenza per lanciare correlazione dobbiamo cliccare ctrl shift invio r^2 si calcola come correlazione elevato al quadrato
esto modello è appropriato e se funziona idual e residual plots
MS F Significance F 268,9026 25,65086 0,000217 vale per tutto il modello 10,
t Stat P-value Lower 95% Upper 95% Lower 95,0%Upper 95,0% 4,856842 0,000313 10,43174 27,1471971825 10,4317378 27, 5,064667 0,000217 0,012048 0,0299723157 0,012048183 0, questi sono gli intervalli di confidenza F e p value quando sono minori di 0,05 va bene
hart Title
Prezzo Y Linear (Prezzo Y) Linear (Prezzo Y)
SqFt Fiscale Prezzo Y regressione multipla 521 7,8 26,0 data analysis correlation prendo la matrice 661 23,8 31, 694 28,0 37,4 SqFt 743 26,2 34,8 Fiscale 787 22,4 39,2 Prezzo Y 825 28,2 38, 883 25,8 39, 920 20,8 31,2 SUMMARY OUTPUT 965 14,6 37, 1011 26,0 38,4 Regression Statistics 1047 30,0 43,6 Multiple R 1060 29,2 44,8 R Square 1079 24,2 40,6 Adjusted R Square 1164 29,4 41,8 Standard Error 1298 23,6 45,2 Observations
ANOVA
previsionecon la funzione tendenza 800 26 36,80676 Regression 900 22 37,02227 Residual 1000 28 40,85161 Total 1100 25 41, Coefficients a Intercept b SqFt c Fiscale
RESIDUAL OUTPUT
Observation 1 2 3 4 5 6 7 8 9
SqFt Fiscale Prezzo Y 1 0,424219 1 vediamo se le x sono molto correlate? Non lo sono 0,814651 0,67537 1 stics 0, 0, 0, 2, 15 df SS MS F Significance F 2 322,6386 161,3193 23,45171 7,1E- 12 82,54542 6, 14 405, CoefficientsStandard Error t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% 14,12251 3,550884 3,977181 0,001836 6,385796 21,85922 6,385796 21, 0,01661 0,003711 4,476174 0,000757 0,008525 0,024696 0,008525 0, 0,361383 0,129298 2,794967 0,016195 0,079667 0,643098 0,079667 0, Predicted Prezzo YResiduals 25,5953 0, 33,70288 -2, 35,76883 1, 35,93225 -1, 35,28985 3, 38,01707 -0, 38,11315 1, 36,92082 -5, 35,42771 1, 40,31156 -1, 42,35506 1, 42,28189 2, 40,79057 -0, 44,08165 -2, 44,21142 0,
SqFt
Residuals
Fisc
Residuals
95,5 12,8 15,1 8,9 SUMMARY OUTPUT
98,2 11,3 9 7,9 ANOVA
modello definitivo y=c
RESIDUAL OUTPUT
X2 X
MS F Significance F 12,84041 0,355359 0,785934 modello no 36,
t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% 12,064 1,90E-009 85,61752 122,1218 85,61752 122, -0,258642 0,79921 -1,148955 0,899082 -1,148955 0, 0,634015 0,535031 -0,999443 1,852348 -0,999443 1, -0,986784 0,338437 -3,636644 1,326415 -3,636644 1, male tranne intercetta
X1 Residual P
X
Residuals
X2 Residua
X
Residuals
5,5 6 6,5 7 7,5 8 8
0
10
20
X3 Residu
X
Residuals
Regressione con variabili collineari
t Xt Ft Previsione errori errori :
T Y
a -8327, b 4, r^2 0,
SUMMARY OUTPUT
Regression Statistics modello valido Multiple R 0, R Square 0, Adjusted R 0, Standard E 1, Observatio 6
ANOVA
df SS MS F Significance F Regression 1 497,2857 497,2857 472 2,7E- Residual 4 4,214286 1, Total 5 501,
CoefficientsStandard Error t Stat P-value Lower 95% Intercept -8327,429 387,3747 -21,49709 2,8E-005 -9402, T 4,214286 0,193978 21,72556 2,7E-005 3,
RESIDUAL OUTPUT
ObservationPredicted Y Residuals 1 75,85714 1, 2 80,07143 -0, 3 84,28571 -1, 4 92,71429 -0, 5 96,92857 0, 6 101,1429 0,
f(x) = 4,2142857143x - 8327, R² = 0,
Chart Title
Y
- Figura 14. - Page - 661 31,0 32,6772424094 -1, 521 26,0 29,7358074801 -3,7 prezzo vero meno prezzo teorico - 694 37,4 33,3705806427 4, - 743 34,8 34,400082868 0, - 787 39,2 35,3245338457 3, - 825 38,0 36,1229233265 1, - 883 39,6 37,3415177972 2, - 920 31,2 38,1188970286 -6, - 965 37,2 39,0643582558 -1, - 1011 38,4 40,0308297326 -1, - 1047 43,6 40,7871987144 2, - 1060 44,8 41,0603319578 3, - 1079 40,6 41,4595266982 -0, - 1164 41,8 43,2453979053 -1, - 1298 45,2 46,0607713376 -0,
- previsioni su uò essere utilizzato per fare previsioni
- questo è il prezzo teorico per 1400 metri quadri 48, - 600 31, sso identico comando di previsione ma su tanti valori - 800 35, - 1000 39, - 1200 44, - 1400 48,
- Figura 14.
- Figura 14.
- Page - 1 29,7358074801 -3, Observation Predicted Prezzo Y Residuals - 2 32,6772424094 -1, - 3 33,3705806427 4, - 4 34,400082868 0, - 5 35,3245338457 3, - 6 36,1229233265 1, - 7 37,3415177972 2, - 8 38,1188970286 -6, - 9 39,0643582558 -1,
- 10 40,0308297326 -1,
- 11 40,7871987144 2,
- 12 41,0603319578 3,
- 13 41,4595266982 -0,
- 14 43,2453979053 -1,
- 15 46,0607713376 -0,
- 95,8 4,1 8,8 9,
- 96,5 5,2 9,6
- 101,9 7,2 10,2 8,3 Y X
- 90,7 10,4 6,3 6,6 Y
- 91,2 6 6,8 7 X1 0,021211
- 96,9 3,6 6,4 6,2 X2 0,066402 0,
- 90,4 13 14,5 8,3 X3 -0,189854 0,
- 104,9 5,3 9,5 6,
- 90,9 10,2 10,5
- 92,4 5,9 7,3 8,
- 93,2 10,6 8,3 6,4 Multiple R 0, 106 11,7 7,9 6,3 Regression Statistics
- 99,7 7,9 12,2 9,1 Adjusted R -0, 98,5 19,4 15,7 9,4 R Square 0,062468 scarso
- 104,6 9,9 9,1 9,1 Standard E 6,
- 101,4 13,5 12,4 6,2 Observatio - 105 11,3 14,2 6, - Regression 3 38, 108,3 7,6 7,5 6,9 df SS - Residual 16 578, - Total 19 616,
- 98,1 Intercept 103,8697 8, il modo per trovare la costante devo calcolare la media CoefficientsStandard Error - X1 -0,124937 0, - X2 0,426453 0, - X3 -1,155114 1, - 1 95,79009 0, ObservationPredicted Y Residuals - 2 100,3833 -3, - 3 97,73249 4, - 4 97,63322 -6, - 5 97,93413 -6, - 6 98,98748 -2, - 7 98,84161 -8, - 8 99,28851 5, - 9 96,67704 -5, - 10 98,4294 -2, - 11 95,96513 -3, - 12 98,49966 7, - 13 98,69216 -5, - 14 97,28313 1, - 15 97,57385 2, - 16 96,00197 8, - 17 100,3093 1, - 18 100,6587 4, - 19 97,17055 1, - 20 98,14825 10, - Y X1 X2 X
- 102,8 9,1
- 100,1 3,2
- 143,6 7,7
- 112,4 14,1
- 148,2 7,5
- 126,5 3,8
- 102,7 9,2
- 104,6 6,2
- 133,9 7,8
- 118,6 4,3 - 96,6 5,3
- 138,7 12,6
- 2 1,369 media^ 1 1,021 media
- 4 0, 3 0,978 varianza
- 5 0,701 0,
- 6 0,
- 7 0,
- 8 1,
- 9 1,
- 10 1,
- 11 2,
- 12 1,
- 13 1,
- 14 1,
- 15 1,
- 16 1,
- 17 1,
- 18 1,
- 19 1,
- 20 2,
- 21 2,
- 22 2,
- 23 2,
- 24 2,
- 25 1,
- 26 1,
- 27 1,
- 28 1,
- 29 1,
- 30 1,
- 31 1,
- 32 1,
- 33 1,
- 34 2,
- 35 2,
- 36 2,
- 37 1,
- 38 2,
- 39 1,
- 40 2,
- 41 1,
- 42 1,
- 43 1,
- 44 0,
- alfa 0,
- 122,2143 prezzo nel
ot
