KURSUS : STATISTIK KEJURUTERAAN

KOD : KF 2033

REGRESI LINEAR & KORELASI

• Model : yi = b0 + b1xi + εi
Di mana : yi : Pembolehubah bersandar yg ke-i
xi : Pembolehubah tidak bersandar yg ke-i
b0, b1 : Pekali regresi
εi : Ralat rawak ke-i di mana
E(εi) = 0 & V(εi) = σ2

Maka => εi = yi – (b0 + b1xi) dipanggil reja

n
f(b0, b1) = ∑[ yi – (b0 + b1xi)]2
i=1

Kaedah kuasa dua terkecil digunakan untuk

mendapatkan anggaran titik bagi β0 dan β1. Bagi kes ini,
terbitan separa dilakukan ke atas f(b0, b1) seperti berikut :

∂f(b0, b1) = ∑2(yi – b0 - b1xi)(-1) = 0

∂b0

∂f(b0, b1) = ∑2(yi – b0 - b1xi)(-xi) = 0

∂b1

==> nb0 + (∑xi)b1 = ∑yi

(∑xi)b0 + (∑xi2)b1 = ∑xiyi

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

Maka:
Λ
b1 = β1 = ∑(xi - ⎯x)(yi - ⎯y) = Sxy
∑(xi - ⎯x)2 Sxx
n∑ x y − (∑ x )(∑ y )
=
i i i i

n∑ x − (∑ x ) i
2
i
2

Λ Λ
b0 = β0 = ∑yi - β1∑xi = ⎯y - β1⎯x
n

• Cth 1 : Jadual di bawah menunjukkan peratus karbon (x)

& peratus oksigen (y) yang diambil di dalam 20 buah
kilang.
Bil % Karbon % Oksigen Bil % Karbon % Oksigen
1 0.99 90.01 11 1.19 93.54
2 1.02 89.05 12 1.15 92.52
3 1.15 91.43 13 0.98 90.56
4 1.29 93.74 14 1.01 89.54
5 1.46 96.73 15 1.11 89.85
6 1.36 94.45 16 1.20 90.39
7 0.87 87.59 17 1.26 93.25
8 1.23 91.77 18 1.32 93.41
9 1.55 99.42 19 1.43 94.98
10 1.40 93.65 20 0.95 87.33

Dapatkan model regresi linear daripada data di atas.

Penyelesaian :

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• Cth 2: Jadual di bawah menunjukkan peratus

penggunaan gas asli x terhadap penghasilan peratus
bahan baru y.

X(%) y(%) x(%) Y(%)

3 5 36 34
7 11 37 66
11 21 38 38
15 16 39 37
18 16 39 36
27 28 39 45
29 27 40 39
30 25 41 41
30 35 42 40
31 30 42 44
31 40 43 37
32 32 44 44
33 34 45 46
33 32 46 46
34 34 47 49
36 37 50 51
36 38

Dapatkan model regresi linear bagi data-data di atas.

Penyelesaian :

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• TEOREM : Anggapan bahawa model regresi linear

ringkas mengimplikasikan pembolehubah piawai
Λ Λ
T = β1 - β1 = β1 - β1 dgn darjah kebebasan
s/√Sxx Sβ1

SS E
sebanyak n-2 dan s=
n−2

• TAKRIF : Selang keyakinan sebanyak 100(1 - α)% bagi

kecerunan β1 dan pintasan β0 bagi regresi linear yang
sebenar adalah :
Λ Λ
β1 + tα/2, n –2. Sβ1 & β0 + tα/2, n –2.s.√[1/n +⎯ x2/Sxx]

• Cth 3: Dapatkan 95% selang keyakinan terhadap

kecerunan garisan regresi dengan menggunakan data dpd
contoh 1.

Penyelesaian :

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• TAKRIF : Prosedur bagi ujian hipotesis terhadap

kecerunan persamaan regresi linear ringkas adalah:

Hipotesis nol: H0: β1 = β10

Λ
Nilai Ujian Statistik : t = β1 - β10
s/√Sxx

Hipotesis alternatif Kawasan Penolakan

H1: β1 > β10 t ≥ tα, n-2
H1: β1 < β10 t ≤ -tα, n-2
H1: β1 ≠ β10 t ≥ tα/2, n-2 @ t ≤ -tα/2, n-2
Cth 4: Berdasarkan kepada contoh 1, lakukan ujian
terhadap hipotesis yang mengatakan bahawa β1 = 0.

Penyelesaian:

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• Cth 5: Berdasarkan kepada contoh 2, lakukan ujian

terhadap hipotesis yang mengatakan bahawa β1 = 1.0

Penyelesaian:

• TAKRIF : Analisis varians mempunyai komponen-

komponen seperti berikut:
Λ Λ
∑(yi - ⎯ y) = ∑(yi - ⎯ y) + ∑(yi – yi)2
2 2

di mana dua komponen di sebelah kanan persamaan

masing-masingnya mengukur perubahan dalan yi yang
dikira oleh garisan regresi dan variasi baki yang tidak
dapat diterangkan oleh garisan regresi.

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

Biasanya:

∑ ( y − y ) ditulis sebagai SSE (jumlah ralat kuasa dua)

i i
2

∑ ( y − y) ditulis sebagai SSR (jumlah regresi kuasa dua)

i
2

Persamaan di atas tadi boleh ditulis sebagai :

SST = SSR + SSE

di mana SST adalah jumlah pembetulan kuasa dua

bagi y.
Λ
==> SSR = β1.Sxy

• TAKRIF : Ujian hipotesis nol, H0 : β1 = 0 adalah benar

jika statistik-F iaitu:
F0 = SSR/1 = MSR
SSE/(n-2) MSE
mengikut taburan F1,n-2 dan H0 akan ditolak jika
f0 > fα,1,n-2. MSR & MSE dipanggil min kuasa dua.

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• Cth 6: Berdasarkan kepada contoh 1, lakukan analisis

terhadap varians bagi menguji H0: β1 = 0.

Penyelesaian:

Λ Λ Λ
• TAKRIF : Katakan Y = β0 + β1x* di mana x* adalah
nilai yang ditetapkan, maka:
Λ Λ Λ Λ
i. Nilai min bagi Y adalah : E(Y) = E(β0 + β1x*)
= β0 + β1x*
Λ Λ
ii. Varians bagi Y adalah V(Y)
= σ2Y
= σ2 1 + (x* - ⎯ x)2
n ∑xi2 – (∑xi)2/n

σ2 1 + (x* -⎯ x)2
n Sxx

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

Λ Λ
Jangkaan bagi sisihan piawai bagi β0 + β1x*
diwakili oleh:
sY = sβ0 + β1x* = s√[1/n + (x* -⎯x)2/Sxx]
Λ
iii. Y tertabur secara Normal.

• TEOREM : Selang keyakinan sebanyak 100(1-α)% bagi

µY.x* iaitu nilai jangkaan bagi Y apabila diberi
x* adalah:
Λ Λ Λ
β0 + β1x* + tα/2,n-2.sβ0 + β1x* = y + tα/2,n-2.sY

• Cth 7 : Berdasarkan kepada contoh 1, dapatkan selang

keyakinan sebanyak 95% terhadap min data pada
x0 = 1%.

Penyelesaian:

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• TAKRIF : Selang jangkaan sebanyak 100(1-α)% bagi

nilai Y pada masa depan apabila diberi x = x* adalah :
Λ Λ
β0 + β1x* + tα/2,n-2.s√[1+ 1/n + (x* -⎯x)2/Sxx]
Λ Λ
= β0 + β1x* + tα/2,n-2.√[s2 + s2β0 + β1x*]

Λ
= y + tα/2,n-2.√[s2 + s2Y]

• Cth 8 : Berdasarkan kepada contoh 1, dapatkan selang

jangkaan sebanyak 95% bagi cerapan berikutnya untuk
x0 = 1.

Penyelesaian:

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• TAKRIF : Pekali korelasi sampel bagi n pasangan

(x1, y1),…, (xn, yn) adalah :
r = ______Sxy_______
√∑(xi -⎯ x)2.√∑yi -⎯y)2
= __ Sxy __
√Sxx√Syy

di mana:

i. –1 ≤ r ≤ 1 iaitu:
r > 0 apabila hubungan antara x & y berkadar secara
terus dengan kecerunan garisan yang bernilai positif
dan r < 0 apabila hubungan antara x & y berkadar
secara songsang dengan kecerunan garisan yang
bernilai negatif.

Rajah di bawah menujukkan beberapa nilai r yang

biasa dalam analisis hubungan antara pembolehubah.

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• TAKRIF : Nilai r2 biasanya dirujuk sebagai pekali

penentuan bagi sampel di mana ia mewakili kadar
variasi bagi Syy yang diterangkan oleh regresi y ke atas
x iaitu SSR.

Nilai r2 juga menerangkan kadar bagi jumlah variasi

dalam pembolehubah y yang boleh diterangkan melalui
hubungan linear oleh pembolehbah x.

• TAKRIF : Anggaran titik bagi pekali korelasi sesuatu

populasi adalah:
Λ
ρ = R = ∑(xi -⎯x)(yi - ⎯y)
√∑(xi -⎯x)2√(yi - ⎯y)2
= Sxy
Sxx.Syy

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

• Cth 9 : Jadual di bawah menujukkan hubungan antara

tekanan (x) & berat (y) pada 29 buah kereta.

X y x y
0.414 29186 0.581 85156
0.383 29266 0.557 69571
0.399 26215 0.550 84160
0.402 30162 0.531 73466
0.442 38867 0.550 78610
0.422 37831 0.556 67657
0.466 44576 0.523 74017
0.500 46097 0.602 87291
0.514 59698 0.569 86836
0.530 67705 0.544 82540
0.569 66088 0.557 81699
0.558 78486 0.530 82096
0.577 89869 0.547 75657
0.572 77369 0.585 80490
0.548 67095

Daripada data di atas, dapatkan korelasi antara dua

pembolehubah berkenaan.

Penyelesaian :

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

TAKRIF : Ujian statistik : T = R√n-2

√1-R2
Apabila H0 benar, T tertabur dengan darjah kebebasan
sebanyak n-2.

Hipotesis Alternatif Kawasan penolakan bagi ujian pada aras α

H1 : ρ > 0 t ≥ tα,n-2
H1 : ρ < 0 t ≤ -tα,n-2
H1 : ρ ≠ 0 t ≤ -tα/2,n-2 atau t ≥ tα/2,n-2

• Cth 10 : Berdasarkan kepada contoh 9, lakukan ujian

hipotesis bagi menunjukkan bahawa tiada hubungan
linear antara kedua-dua pembolehubah berkenaan.

Penyelesaian:

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH

 KURSUS : STATISTIK KEJURUTERAAN
KOD : KF 2033

DISEDIAKAN OLEH ===> FIRDAUS MOHAMAD HAMZAH