Model lineal simple (I) X96418

Feu un programa tal que, donat un enter $N$ que és la mida mostral, i una seqüència de mida $N$ de parells $Y$ (variable resposta) i $X$ (variable explicativa), calculi la $\beta_0$ (intercepció) i $\beta_1$ (pendent) de la recta de regressió que millor explica les dades.
Recordeu que: $$\begin{equation} \beta_1= \frac{covar(x,y)}{var(x)}=\frac{\sum_{i=1}^{n}(x_i-\overline{x})(y_i-\overline{y})}{\sum_{i=1}^{n}(x_i-\overline{x})^2}; \beta_0=\overline{Y}-\beta_1\overline{X} \end{equation}$$

Entrada

L’entrada consisteix en donar la mida d’una seqüència $N$, i una seqüència no buida de parells de nombres reals $X$ i $Y$.

Sortida

Cal escriure la $\beta_0$ i la $\beta_1$ en dues línies diferents.