Теория вероятностей и математическая статистика. Блатов И.А - 219 стр.

   На практике приемлемые результаты получаются и тогда,
когда значения Y имеют нормальное распределение лишь
приблизительно.
   3. Разброс генеральной совокупности данных относительно
регрессионной прямой совокупности остается постоянным
всюду вдоль этой прямой (дисперсия зависимой переменной
Y остается постоянной: D[Y ]   2 ).
   4 Возмущения  , а, следовательно? и значения Y
независимы между собой.
   Уравнение взаимосвязи двух переменных           (парная
регрессивная модель) может быть представлена
                          y   x   
где  - случайная переменная, характеризующая отклонение от
функции регрессии.  - называют возмущением.
   Рассмотрим линейный регрессивный анализ, для которого
функция   x  линейна M (Y )  0  1 X
   Если для оценки параметров линейной функции взята
выборка, то парная линейная регрессионная модель имеет вид
                       Yi  0  1 X  



   Задачи регрессионного анализа


   Цель регрессионного анализа состоит в определении общего
вида уравнения регрессии, построении статистических оценок
неизвестных параметров, входящих в уравнение регрессии и
проверке статистических гипотез о регрессии.
   Корреляционный       анализ     позволяет   устанавливать
неслучайность (значимость) изменения наблюдений Yi и
степень их зависимости от случайных величин X .
   Регрессионный анализ представляет собой следующий этап
статистического анализа.


                                                       219