wie kommt man den auf xquer und yquer??? weil die sind doch nie gegeben oder???
Druckbare Version
wie kommt man den auf xquer und yquer??? weil die sind doch nie gegeben oder???
Xquer= 1/n*SummeXiZitat:
Zitat von alina92
Yquer= 1/n*SummeYi
viiiiielen dank!!! :)
Ist dann 9,4140 die Lösung für diese Aufgabe?Zitat:
Zitat von Petra85
Berechnen Sie den geschätzten Wert für die Konstante ß0 der Regressionsgerade Y als abhängiger und X als unabhängiger Variable
SummeXi=31.03 SummeYi=133.57 SummeXi*Yi=732.88 SummeXi^2=199.46 SummeYi^2 n=8
Berechnung:
Xquer=1/8*31.03=3.87875
Yquer=1/8*133.57=16.69625
ß1=(732.88-(8*3.87875*16.69625)/(199.46-8*3.87875^2)=2.715409348
ß0=16.69625-2.715409348*3.87875= 6.16
Berechnen Sie den geschätzten Wert für den Steigungsparameter ß1 der Regressionsgerade mit Y als abhängiger und X als unabhängiger Variable
SummeXi=57.38 SummeYi=414.32 SummeXi*Yi=3610.98 SummeXi^2=519.76 SummeYi^2=27226.32 n=8
Berechnung
Xquer=1/8*57.38=7.1725
Yquer=1/8*414.32=51.79
ß1=(3610.98-(8*7.1725*51.79)/(519.76-8*7.1725^2)=5.91
Hallo, könnt ihr mir vielleicht weiterhelfen, was mein b0 ist?
i glaub es ist der rote Wert -2.514
. reg var2 var1
Source | SS df MS Number of obs = 8
-------------+------------------------------ F( 1, 6) = 250.74
Model | 443.032039 1 443.032039 Prob > F = 0.0000
Residual | 10.6013698 6 1.76689497 R-squared = 0.9766
-------------+------------------------------ Adj R-squared = 0.9727
Total | 453.633409 7 64.8047726 Root MSE = 1.3292
------------------------------------------------------------------------------
var2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
var1 | 2.237724 .141317 15.83 0.000 1.891934 2.583515
_cons | -2. 514124 1.390592 -1.81 0.121 -5.91678 .888532
------------------------------------------------------------------------------
in der tabelle suche ich beta 1. ich glaube es ist die var1?
reg var2 var1
Source | SS df MS Number of obs = 8
-------------+------------------------------ F( 1, 6) = 8.36
Model | 1169.98921 1 1169.98921 Prob > F = 0.0277
Residual | 840.041191 6 140.006865 R-squared = 0.5821
-------------+------------------------------ Adj R-squared = 0.5124
Total | 2010.0304 7 287.147199 Root MSE = 11.832
------------------------------------------------------------------------------
var2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
var1 | 2.879404 .9960621 2.89 0.028 .4421283 5.31668
_cons | .4016296 9.095925 0.04 0.966 -21.8553 22.65856
------------------------------------------------------------------------------
Vielen Dank im Voraus.
nein, du brauchst Beta1 also 5.91 als LösungZitat:
Zitat von csam6660
lg reandy
Berechnen Sie den geschätzten Wert für den Steigungsparameter β1 der Regressionsgerade mit Y als abhängiger und X als unabhängiger Variable! (auf 2 Dezimalstellen genau)
6.11 15.94 6.44 38.92 4.53 36.65 1.44 23.63 5.40 33.01 9.33 44.35 8.61 33.08 6.63 39.72
http://e-campus.uibk.ac.at/courses/1...rrel_Bsp11.jpg
kann mir jemand den rechenweg sagen? wäre sehr dankbar?
Berechnen Sie den geschätzten Wert für den Steigungsparameter β1 der Regressionsgerade mit Y als abhängiger und X als unabhängiger Variable! (auf 2 Dezimalstellen runden)
http://e-campus.uibk.ac.at/courses/1...rrel_Bsp13.jpg
und was ist mit diesem beispiel?
steht alles auf den bisherigen 3 Seiten! zB. Beitrag 25