3.5 Оценивается качество уравнения регрессии в целом с помощью f –критерия Фишера:

Табличное значение (k₁ =1, k₂ = n − 2 = 6, α = 0,05): (F табл = 5,99)

Делаются выводы о статистической значимости уравнения в целом.

3.6 Определяется средняя ошибка аппроксимации

Делаются выводы о качестве уравнения регрессии, т. е. о качестве подбора модели к исходным данным.

3.7 На одном графике изображаются исходные данные и линия регрессии.

4. Исследование степенной функции типа: ŷ = a * b^x

4.1 Для нахождения параметров регрессии ŷ = a * b^x *⋅ε необходимо провести ее линеаризацию: Y = A + b ⋅ X + Ε,

где Y = ln y, X = ln x, A = ln a, Ε = lnε .

Составляется вспомогательная таблица 5 для преобразованных данных:

Таблица 5

№	У	Х	Х*У	Х2	У2	ŷх	ε	ε2	Аi %
1
2
И т.д
8
Итого
Среднее значение
σ
σ2

4.2 Находится уравнение регрессии:

После потенцирования находится искомое уравнение регрессии. Заполняются столбцы 7–10 таблицы.

4.3 Индекс корреляции p_xy находится по формуле

Делаются выводы о тесноте связи.

4.4 Определяется индекс детерминации p²_xy

D = p²_x * 100%

4.5 Оценивается качество уравнения регрессии в целом с помощью f –критерия Фишера:

Табличное значение (k₁ =1, k₂ = n − 2 = 6, α = 0,05): (F табл = 5,99)

Делаются выводы о статистической значимости уравнения в целом.

4.6 Определяется средняя ошибка аппроксимации

Делаются выводы о качестве уравнения регрессии, т. е. о качестве подбора модели к исходным данным.

4.7 На одном графике изображаются исходные данные и линия регрессии.