Dokumen tersebut membahas tentang regresi linier sederhana dan analisis korelasi. Ia menjelaskan tentang menghitung persamaan garis regresi, koefisien korelasi, dan uji hipotesis untuk kecerunan model regresi. Dokumen tersebut juga membahas cara memprediksi nilai variabel tergantung menggunakan model regresi dan memberikan contoh kasus regresi antara jumlah pekerja dan kamar rumah sakit.

5. Data Hubungan Bilangan Pekerja dan Bilangan Katil Hospital

6. Lakaran “ Scatter ” Data

8. Rersamaan Garisan Regressi Mudah

9. Analisis Kuasadua Terkecil

10. Analisis Kuasadua Terkecil

13. Graf Garisan Regressi 30.888

14. Analisis Residual

15. Analisis Residual

16. Geraf Excel Residual Contoh Kakitangan Hospital

17. Plot Residual Tidak Linear 0 X

18. Ralat Varian Tidak Konstant 0 X 0 X

19. Ralat Tidak Bebas 0 X 0 X

20. Plot Residual yang Baik 0 X

21. Ralat Piawai Penganggaran

22. Ralat Piawai Penganggaran Jumlah Kuasadua Ralat Ralat Piawai Penganggaran

23. Menentukan SSE

24. Jumlah Ralat Kuasadua Ralat Piawai Penganggar

25. Pengkali Penentuan

26. Pengkali Penentuan

27. 88.6% daripada variabiliti bilangan pekerja dihospital boleh diramalkan oleh bilangan katil yang terdapat dihospital tersebut SSE = 2448.6

28. Ujian Hipotesis untuk Kecerunan Model Regressi

29. Ujian Hipotesis untuk Kecerunan Model Regressi

30. Contoh Langkah 1: Hipotesis H o :  1 = 0 H a :  1  0 Langkah 2: Nilai   = 0.01 Langkah 3: Ujian Statistik

31. Langkah 4: Peraturan Keputusan Tolak Ho jika nilai t > 2.228 atau t < -2.228

32. Langkah 5: Data Kecerunan sampel ialah b 1 = 2.232 S e = 15.65  X = 592  X 2 = 33044 n = 12.

33. Langkah 5: Nilai Ujian Statistik Langkah 6: Kesimpulan Nilai t yang dikira dari kecerunan sampel adalah lebih besar dari t c = 2.228, maka hipotesis nul dimana kecerunan populasi sifar adalah ditolak. Model regressi linear ini menambah signifikan lebih maklumat ramalan kepada model (bukan regressi).

34. Ujian Hipotesis untuk Menguji Keseluruhan Model

35. Keoffisien regressi adalah kecerunan garisan regressi, ujian F bagi signifikan keseluruhan adalah menguji perkara yang sama sebagaimana ujian t di dalam regressi mudah. Nilai F adalah dikira secara langsung sebagai dimana df reg = k df err = n – k – 1, dan k = bilangan angkubah bebas

36. Contoh Langkah 1: Hipotesis H o :  1 = 0 H a :  1  0 Langkah 2: Nilai   = 0.05 Langkah 3: Ujian Statistik

37. Langkah 4: Peraturan Keputusan F 0.025,1,9 = 6.94 Tolak Ho jika F < 6.94 atau F > 0.144

38. Langkah 5: Data

39. Langkah 5: Nilai Ujian Statistik Langkah 6: Kesimpulan Oleh kerana nilai F > Fc maka kita boleh menolak Ho

40. Penganggaran

41. Penganggaran Titik Anggaran peramalan titik boleh dibuat dengan mengambil nilai X yang tertentu, menggantikan nilai X ke dalam persamaan regressi, dan menyelesaikan untuk X. Sebagai contoh, jika bilangan katil yang adalah ialah 100 unit, apakah bilangan kakitangan yang diperlukan? Persamaan regressi bagi contoh ini ialah,

42. Selangan Keyakinan untuk Menganggarkan Min Bersyarat Y:  Y|X

43. Untuk X 0 = 100, maka nilai ialah = 254.088. Selang keyakinan yang dikira untuk nilai purata Y, E(Y 100 ), ialah Oleh itu, kenyataan boleh dibuat dengan kenyakinan 95% bahawa nilai purata Y untuk X = 100 ialah di antara 223.85 hingga 284.33.

44. Selang Peramalan untuk Menganggar Nilai Y untuk nilai X yang Diberi

45. Contoh Selang keyakinan 95% boleh dikira untuk menganggar nilai tunggal Y untuk X = 100. 207.934  Y  300.242

46. Ukuran Persatuan

47. Pengkali Korelasi

48. Lima Darjah Korelasi Korelasi negatif yang kuat (r=-0.933) Korelasi negatif yang sederhana (r=-0.674) Korelasi positif yang sederhana (r=0.518) Korelasi positif yang kuat (r=0.909) Tiada korelasi (r=0)

49. Contoh Pengiraan r Day Interest X Futures Index Y 1 7.43 221 55.205 48,841 1,642.03 2 7.48 222 55.950 49,284 1,660.56 3 8.00 226 64.000 51,076 1,808.00 4 7.75 225 60.063 50,625 1,743.75 5 7.60 224 57.760 50,176 1,702.40 6 7.63 223 58.217 49,729 1,701.49 7 7.68 223 58.982 49,729 1,712.64 8 7.67 226 58.829 51,076 1,733.42 9 7.59 226 57.608 51,076 1,715.34 10 8.07 235 65.125 55,225 1,896.45 11 8.03 233 64.481 54,289 1,870.99 12 8.00 241 64.000 58,081 1,928.00 Summations 92.93 2,725 720.220 619,207 21,115.07 X 2 Y 2 XY

50. Formula Pengiraan r

51. Plot “ Scatter ” dan Matrik Korelasi 220 225 230 235 240 245 7.40 7.60 7.80 8.00 8.20 Interest Futures Index Interest Futures Index Interest 1 Futures Index 0.815254 1

52. Kovarian

53. Matrik Kovarian dan Statistik Perihalan Interest Futures Index Interest 0.050408 Futures Index 1.11053 36.81060606 Interest Futures Index Mean 7.74416667 Mean 227.08 Standard Error 0.06481276 Standard Error 1.7514 Median 7.675 Median 225.5 Mode 8 Mode 226 Standard Deviation 0.224518 Standard Deviation 6.0672 Sample Variance 0.05040833 Sample Variance 36.811 Kurtosis -1.4077097 Kurtosis 1.2427 Skewness 0.3197374 Skewness 1.3988 Range 0.64 Range 20 Minimum 7.43 Minimum 221 Maximum 8.07 Maximum 241 Sum 92.93 Sum 2725 Count 12 Count 12 Confidence Level(95.0%) 0.14265201 Confidence Level(95.0%) 3.8549

54. Terima Kasih