Оценить полученную модель регрессии через среднюю ошибку аппроксимации, коэффициент детерминации и F-критерий Фишера

Для характеристики зависимости y от x рассчитать параметры линейной регрессии.
n=7 – объем выборки.
Для удобства вычислений заполним таблицу
x
y
xy
x2
y2
yx
y-yx
Ai
1 66,6 64,9 4322,34 4435,56 4212,01 64,9377 -0,0377 0,0580
2 68,7 64,6 4438,02 4719,69 4173,16 64,9917 -0,3917 0,6064
3 72,2 64,6 4664,12 5212,84 4173,16 65,0818 -0,4818 0,7459
4 74,2 64,4 4778,48 5505,64 4147,36 65,1333 -0,7333 1,1387
5 65,5 65 4257,5 4290,25 4225 64,9093 0,0907 0,1395
6 75 65,1 4882,5 5625 4238,01 65,1539 -0,0539 0,0829
7 72,6 66,7 4842,42 5270,76 4448,89 65,0921 1,6079 2,4106
Сумма 494,8 455,3 32185,38 35059,74 29617,59 - - 5,1819
Среднее 70,6857 65,0429 4597,9114 5008,5343 4231,0843 - - 0,7403
σ2
12,0641 0,5110 - - - - - -
σ
3,4733 0,7149 - - - - - -
Линейная регрессия имеет вид
y=a+b∙x+ε
где a и b – параметры регрессии, а ε – значение ошибки.
Найдем параметры линейной регрессии
b=xy-x∙yx2-x2=xy-x∙yσx2=4597,9114-70,6857∙65,042912,0641≈0,0256
a=y-b∙x=65,0429-0,0256∙70,6857≈63,2333
Получили уравнение
yx=63,2333+0,0256∙x
Оценить полученную модель регрессии через среднюю ошибку аппроксимации, коэффициент детерминации и F-критерий Фишера.
Средняя ошибка аппроксимации
A=1ny-yxy∙100%≈0,7403%
Фактическое значение y отличается от расчетного значения yx в среднем на 0,74%