Nama : Nimas Agustine
Prata Sena
NIM : 20160302236
Tugas Kuliah Pertemuan 2 Analisis Regresi
Tugas Halaman 41
1.
Pelajari model regresi sebagai berikut
b. Y= -6 + 3X
c. Y= -5 – 4X
d. Y= 8 – 2X
a. Hitunglah besaran nilai
Y untuk setiap model regresi
Ø Secara matematik,
persamaan suatu garis lururs adalah Y = β0 + β1X
Ø Simbol
β0 dan β1 adalah bilangan konstan untuk suatu garis
lurus: β0disebut intersep danβ1disebut slop
Ø Nilai
intersep β0 dalah nilai Y bila X = 0
a) Pada
soal a. Y= -6 + 3X
Jika X
= 0 maka intersep = -6 dan slop 3,
X = 1 maka Y= -6 + 3(1)
= -3
X = 2 maka Y= -6 + 3(2)
= 0
X = 3 maka Y= -6 + 3(3)
= 3
X = 4 maka Y= -6 + 3(4)
= 6
X = 5 maka Y= -6 + 3(5)
= 9
b) Pada
soal b. Y= -5 – 4X
Jika X
= 0 maka intersep = -5 dan slop -4,
X = 2 maka Y=-5 – 4(2) = -13
X = 4maka Y= -5 – 4(4)= -21
X = 6 maka Y=-5 – 4(6) =
-29
X = 8 maka Y= -5 – 4(8)=
-37
X = 10 maka Y= -5 –
4(10) = -45
c) Pada
soal b. Y= 8 – 2X
Jika X
= 0 maka intersep = -8 dan slop -2,
X = 1 maka Y= 8 – 2(1) = 6
X = 3 maka Y= 8 – 2(3) = 2
X = 4 maka Y= 8 – 2(4) = 0
X = 6 maka Y= 8 – 2(6) = -4
X = 8 maka Y= 8 – 2(8) =
-8
b. Buatlah garis lurus
ketiga model tersebut
2. Dalam analisa regresi beberapa asumsi-ausmsi persamaan gais lururs yang
perlu diketahui, sebenarnya seperti dibawah ini:
a.
Eksistensi untuk setiap nilai dari
variabel X, dan Y adalah random variabel yang mempunyai nilai rata-rata dan
varians tertentu. Notasi untuk populasi.
b.
Nilai-nilai Y adalah independen satu sama
lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain.
c.
Linearity berarti nilai rata-rata Y, adalah fungsi garis lurus X, dengan
demikian . Persamaan
garis lurus itu dapat ditulis Y = β0 + β1X+E, Dimana E
adalah Eror yang merupakan random variabel dengan nilai rata-rata 0 untuk
setiap nilai X (yaitu untuk setiap nilai X). Dengan demikian nilai Y adalah jumlah dari β0+
β1X dan E(random Variabel), dan karena nilai E = 0.
d.
Homoscedasticity artinya varians Y adalah
sama untuk setiap nilai X (homo artinya sama ; scedastic artinya “menyebar” =
scattered).
e.
Distribusi normal artinya untuk setiap
nilai X, nilai Y berdistribusi normal.
Tidak ada komentar:
Posting Komentar