Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 310 vistas

    Evidencia 1

    Cargado por

    Alejandro Hedez Contreras
    El documento presenta preguntas sobre conceptos de regresión lineal como predicciones puntuales, residuos, regresión lineal múltiple y matriz de correlación. Luego, presenta datos sobre cantidad de alimento y colesterol para estimar una ecuación de regresión lineal simple y calcular predicciones puntuales. Finalmente, muestra estadísticas de regresión para un modelo con dos variables independientes: kilómetros por litro y peso, para predecir caballos de fuerza.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Evidencia 1

    Cargado por

    Alejandro Hedez Contreras
    310 vistas4 páginas
    El documento presenta preguntas sobre conceptos de regresión lineal como predicciones puntuales, residuos, regresión lineal múltiple y matriz de correlación. Luego, presenta datos sobre cantidad de alimento y colesterol para estimar una ecuación de regresión lineal simple y calcular predicciones puntuales. Finalmente, muestra estadísticas de regresión para un modelo con dos variables independientes: kilómetros por litro y peso, para predecir caballos de fuerza.

    Descripción original:

    ¿Qué es una regresión lineal múltiple?

    Título original

    evidencia 1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta preguntas sobre conceptos de regresión lineal como predicciones puntuales, residuos, regresión lineal múltiple y matriz de correlación. Luego, presenta datos sobre cantidad de alimento y colesterol para estimar una ecuación de regresión lineal simple y calcular predicciones puntuales. Finalmente, muestra estadísticas de regresión para un modelo con dos variables independientes: kilómetros por litro y peso, para predecir caballos de fuerza.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    310 vistas4 páginas

    Evidencia 1

    Cargado por

    Alejandro Hedez Contreras
    El documento presenta preguntas sobre conceptos de regresión lineal como predicciones puntuales, residuos, regresión lineal múltiple y matriz de correlación. Luego, presenta datos sobre cantidad de alimento y colesterol para estimar una ecuación de regresión lineal simple y calcular predicciones puntuales. Finalmente, muestra estadísticas de regresión para un modelo con dos variables independientes: kilómetros por litro y peso, para predecir caballos de fuerza.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    1. Revisa las explicaciones del tema 11 y 12.

    Contesta las siguientes preguntas:

    a. ¿A qué se le llama una predicción puntal?

    b. ¿Cuáles son las dos fuentes de incertidumbre asociadas a una predicción puntual?

     Incertidumbre debida a la dispersión de los datos respecto a la línea de regresión de la


    muestra.
     Incertidumbre debida a la dispersión de la muestra respecto a la línea de regresión de la
    población.

    c. ¿A qué se le llama residuos? ¿Qué tipo de información te pueden dar?

    d. ¿Qué es una regresión lineal múltiple? ¿Cuándo se recomienda aplicarla?

    Es una extensión de la regresión lineal simple, la cual permite tomar en cuenta a más de una
    variable independiente es decir, en lugar de usar sólo una variable independiente X para explicar
    la variación en Y, pueden utilizarse al mismo tiempo otras variables independientes

    e. ¿Qué es una matriz de correlación?

    La matriz de correlación se construye calculando los coeficientes de correlación simples para cada
    combinación de pares de variables.

    ¿Para qué sirve la matriz de correlación?

    El análisis de la matriz de correlación es un paso inicial importante en la solución de cualquier


    problema que involucre variables independientes múltiples.

    a. Estima la ecuación de regresión lineal.


    A

    Cantidad de
    Colestrol mg
    alimento, g XY X^2 Y^2
    Y
    X

    10 313 3130 100 97969


    15 370 5550 225 136900
    18 424 7632 324 179776
    19 356 6764 361 126736
    20 310 6200 400 96100
    21 349 7329 441 121801
    21 365 7665 441 133225
    24 245 5880 576 60025
    25 373 9325 625 139129
    27 395 10665 729 156025
    28 156 4368 784 24336
    30 243 7290 900 59049
    30 150 4500 900 22500
    31 463 14353 961 214369
    33 677 22341 1089 458329
    35 151 5285 1225 22801
    36 280 10080 1296 78400
    37 245 9065 1369 60025
    39 396 15444 1521 156816
    42 278 11676 1764 77284
    45 297 13365 2025 88209
    54 224 12096 2916 50176
    56 346 19376 3136 119716
    56 141 7896 3136 19881
    59 139 8201 3481 19321
    59 424 25016 3481 179776
    60 316 18960 3600 99856
    64 379 24256 4096 143641
    ∑ 994 8805 303708 41902 3142171
    Ẋ 35.5
    Ῡ 314.4642857
    Pediente=b1 -1.340816327

    bo 362.0632653

    Ecuacion de
    regresion
    estimadaŶ0 = b0 +
    b1X0

    324.5204082
    Calcula las predicciones (valores puntuales) para los siguientes valores de X0: 11,
    12, 15, 25, 30, 35.5, 39, 45, 60, 70, 80, 90.

    Ecuacion de
    regresion
    X0
    estimadaŶ0 = b0 +
    b1X0
    11 347.3142857
    12 345.9734694
    15 341.9510204
    25 328.5428571
    30 321.8387755
    35.5 314.4642857
    39 309.7714286
    45 301.7265306
    60 281.6142857
    80 254.7979592
    90 241.3897959

    C Obtén los intervalos de confianza al 99 para cada valor puntual de Y para los diferentes
    valores de X0
    Caballos de fuerza,
    Kilometros por litro Y Peso en Kg X2
    X1

    19 67 1844
    19 50 1998
    17 62 1752
    16 69 1980
    16 66 1797
    15 63 2199
    15 90 2404
    14 99 2611
    13 63 3236
    12 91 2606
    11 94 2580
    11 88 2507
    11 124 2922
    14 97 2434
    9 114 3248
    9 102 2812
    8 114 3382
    8 142 3197
    7 153 4380
    7 139 4036

    Resumen

    Estadísticas de la regresión
    Coeficiente de correlación múltiple 0.915977639
    Coeficiente de determinación R^2 0.839015035
    R^2 ajustado 0.820075627
    Error típico 1.62529194
    Observaciones 20

    ANÁLISIS DE VARIANZA
    Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
    Regresión 2 234.0432439 117.0216219 44.29996164 1.80999E-07
    Residuos 17 44.90675611 2.641573889
    Total 19 278.95

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
    Intercepción 25.22209048 1.439251354 17.52445145 2.56298E-12 22.18553555 28.25864541 22.18553555 28.25864541
    Variable X 1 -0.05983857 0.023472169 -2.549341253 0.020737932 -0.109360519 -0.010316621 -0.109360519 -0.010316621
    Variable X 2 -0.002605961 0.000963435 -2.704865043 0.015021677 -0.00463863 -0.000573291 -0.00463863 -0.000573291

    También podría gustarte