Obliczenia wykonuję w
R.
Dane są dobrze skorelowane liniowo. Współczynnik korelacji liniowej Pearsona ma wartość \(r=0{,}97.\)
> a<-c(15,25,30,35,45,54)
> b<-c(25,30,39,35,50,55)
> r<-cor(a,b)
> r
[1] 0.9675326
Prosta regresji liniowej (ze zmienną objaśniającą \(b\) ma równanie \(a=1{,}17b-11{,}64.\)
> lm(a~b)
Call:
lm(formula = a ~ b)
Coefficients:
(Intercept) b
-11.64 1.17
Wrzucając do tego wzoru \(b=70\) mamy \(a=1{,}17\cdot 70-11{,}64=70{,}26\approx 70\).
Jest pewna wątpliwość. Otóż dokonujemy tu ekstrapolacji, bo \(70\) leży poza przedziałem zmienności cechy \(b\). Ponadto leży dość daleko. Wierniejszą prognozę otrzymalibyśmy dla np. \(b=60\) czy \(b=22\).
