Elaborato di statistica

Esame 21-02-2023
Di Lucio Alessandro Sansone
Mat. 0182100449
 ELABORATO CAR ~ Corso di Statistica, Prof. Alessandro Melchionna

Studente: Lucio Alessandro Sansonei

modello consumo (/ per 500km) Potenza (Kw)

model1 19,91006983 60,93276094
model2 28,57692429 88,42055219
model3 27,7749886 82,42250415
model4 20,08542038 54,07029944
model5 31,28429524 94,27762
model6 37,39610644 99,25302657
model7 19,63791213 52,56737644
model8 29,12613525 95,82663681
model9 35,5027303 96,29421314
model10 31,61981753 98,18308842

Media: 28,09 82,22

Varianza: 36,80
STD DEV 6,39 18,96
C.V 0,23 0,23
Correlazione 0,94

OUTPUT RIEPILOGO
Statistica della regressione

R multiplo 0,938944567
R al quadrato 0,8816169
R al quadrato corretto 0,866819013
Errore standard 2,333736528
Osservazioni 10

Commenti al risultato:
Il valore R multiplo è il coefficiente di correlazione, il quale misura la forza di relazione lineare tra le due
variabili osservate. Maggiore è il valore (intervallo tra 1 e -1), più forte è la relazione. Dunque, nel nostro caso,
la relazione è positiva e piuttosto forte.
R al quadrato indica la proporzione della variazione della variabile dipendente spiegata dalla retta di
regressione, è la percentuale della varianza delle variabili dipendenti spiegata dal modello. L'intervallo dei valori
è compreso tra 0 e 1 e indica la percentuale di bontà del modello. Nel nostro caso il valore è del 88% circa;
quindi, l'88% delle variabili dipendenti si adatta bene al modello di regressione, equivalentemente, l'88% delle
variabili dipendenti (consumo) sono spiegate da variabili indipendenti (Potenza).
L'R al quadrato corretto è un altro indice di bontà del modello, ma più significativo le regressioni multiple. In
questo caso non ci dice molto di più rispetto al R al quadrato.
L'errore standard indica la precisione dell'analisidi regressione. Mostra la distanza media attorno alla retta di
regressione e più piccolo è il numero, meglio è. Dunque, con un valore di 2,33 possiamo ritenerci piuttosto
soddisfatti.
Per riassumere: il modello per cui i consumi sono spiegati dalla potenza è piuttosto accurato