El documento define varios términos estadísticos relacionados con el análisis de regresión lineal simple. Luego, presenta datos sobre la pérdida de peso de helado almacenado a diferentes temperaturas durante periodos de tiempo y realiza un modelo de regresión para ajustar una recta. Finalmente, calcula estadísticos como el error estándar de estimación, el coeficiente de determinación y realiza una prueba de significancia para la pendiente, concluyendo que existe una relación positiva entre el tiempo de almacenamiento y la p
0 calificaciones0% encontró este documento útil (0 votos)
23 vistas14 páginas
El documento define varios términos estadísticos relacionados con el análisis de regresión lineal simple. Luego, presenta datos sobre la pérdida de peso de helado almacenado a diferentes temperaturas durante periodos de tiempo y realiza un modelo de regresión para ajustar una recta. Finalmente, calcula estadísticos como el error estándar de estimación, el coeficiente de determinación y realiza una prueba de significancia para la pendiente, concluyendo que existe una relación positiva entre el tiempo de almacenamiento y la p
El documento define varios términos estadísticos relacionados con el análisis de regresión lineal simple. Luego, presenta datos sobre la pérdida de peso de helado almacenado a diferentes temperaturas durante periodos de tiempo y realiza un modelo de regresión para ajustar una recta. Finalmente, calcula estadísticos como el error estándar de estimación, el coeficiente de determinación y realiza una prueba de significancia para la pendiente, concluyendo que existe una relación positiva entre el tiempo de almacenamiento y la p
El documento define varios términos estadísticos relacionados con el análisis de regresión lineal simple. Luego, presenta datos sobre la pérdida de peso de helado almacenado a diferentes temperaturas durante periodos de tiempo y realiza un modelo de regresión para ajustar una recta. Finalmente, calcula estadísticos como el error estándar de estimación, el coeficiente de determinación y realiza una prueba de significancia para la pendiente, concluyendo que existe una relación positiva entre el tiempo de almacenamiento y la p
Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
Descargar como xlsx, pdf o txt
Está en la página 1/ 14
Actividad 4.
Obtención de la recta de regresión ajustada por med
de mínimos cuadrados Instrucciones:
1. Define los siguientes términos:
a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta media,
medio, error porcentual absoluto medio y error porcentual medio). b. Análisis de la regresión simple. c. Estimadores de mínimos cuadrados. d. Intervalo de confianza. e. Coeficiente de regresión. f. Coeficiente de correlación. g. Coeficiente de determinación. h. Error estándar de estimación.
Durante la actividad colaborativa
1. En equipos, desarrollen los siguientes ejercicios y respondan las preguntas planteadas.
En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas b periodos, tiene un efecto lineal en la pérdida de peso del producto. En la planta de almacenamie se obtuvieron los siguientes datos: Perdida de peso en gr 28 37 36 (Y) Tiempo en semanas 26 32 35 (X)
a. Según los datos, ajusten e interpreten un modelo de regresión lineal simple.
b. Calculen el error estándar de estimación. c. Prueben la significancia de la pendiente β 1. d. Calculen e interpreten (R 2). e. Elaboren un intervalo de confianza del 90% para β 1. f. Pronostiquen la pérdida cuando el tiempo es de 33 semanas. ajustada por medio del método
desviación absoluta media, error cuadrático
dio).
reguntas planteadas. el helado a temperaturas bajas, durante largos n la planta de almacenamiento de la compañía
30 28 36 35
27 25 31 30
esión lineal simple.
s. 1. Define los siguientes términos:
a. Criterios de estimación de la precisión de un pronóstico (desviación absoluta medi
Columna1 Desviación absoluta media Error cuadrático medio
Error porcentual absoluto medio
Error porcentual medio
Análisis de la regresión simple Estimadores de mínimos cuadrados
Intervalo de confianza Coeficiente de regresión Coeficiente de correlación Coeficiente de determinación Error estándar de estimación de un pronóstico (desviación absoluta media, error cuadrático medio, error porcentual absoluto medio y e
Es la media de las desviaciones absolutas promedio es una medida de dispersión estadística.
Es un estimador mide el promedio de los errores al cuadrado, es decir, la diferencia entre el estimador y l cuadrática. La diferencia se produce debido a la aleatoriedad o porque el estimador no tiene en cuenta la Es un indicador del desempeño del Pronóstico de Demanda que mide el tamaño del error (absoluto) en té por los encargados de elaborar pronósticos debido a su fácil interpretación. Es la manifestación de un error relativo en términos porcentuales. En otras palabras, es un error numérico Es un modelo matematico usado para aproximar la relacion de dependencia entre una variable dependien Tecnica de analisis numerico enmarcada dentro de la optimizacion matematica, en la que, dado un conjun se intenta encontrar la funcion continua. A un par o varios entre los cuales se estima que estara cierto valor desconocido con una determinada pro Cuantifica la pendiente de una line a de regresion lineal creada con los datos de una serie de puntos. Es una medida de la relacion lineal entre dos variables aleatorias cuantitativas. Es un estadistico usado en el contexto de un modelo estadistico cuyo principal proposito es predecir futuro Mide la desviación en una muestra valor poblacional. Es decir, el error estándar de estimación mide las po 2. En una compañía fabricante de helados se sospecha que almacenar el helado a temperaturas bajas, durante la almacenamiento de la compañía se obtuvieron los siguientes datos:
Tiempo en Perdida de peso en gr (Y) semanas (X)
26 28 32 37 35 36 27 30 25 28 31 36 30 35
a. Según los datos, ajusta e interpreta a un modelo de regresión lineal simple.
Tiempo en Perdida de peso en gr (Y) xy semanas (X) 1 26 28 728 2 32 37 1184 3 35 36 1260 4 27 30 810 5 25 28 700 6 31 36 1116 7 30 35 1050 n 206 230 6848
Presentando la ecuación lineal se puede observar que la pendiente tiene un valor de , mostrando una relación positi Y por cada semana, aumentará el peso corporal en o bien por cada semanas que este el helado almacenado aume
b. Calcula el error estándar de estimación.
c. Prueba la significancia de la pendiente β 1.
sb1 es error estándar de b1 y se define como:
𝑆_𝑏1=0.200857805752
d. Calcula e interpreta (R2).
r²= 0.838148533749789
e. Elabora un intervalo de confianza del 90% para β 1.
1) Establecimiento de hipótesis: H0 : β1 = 0 en oposición a Ha : β1≠ 0
La hipótesis nula especifica que no existe relación lineal entre X y Y, lo cual implica que la pendiente
2) Estadística de prueba: β₁=0 t= 5.08846952550927
3) Regla de decisión: Rechazar H0 si |tcalculada| es mayor que 2.015.
4) Conclusión: Como la t calculada es mayor que la t de tablas, entonces se rechaza Ho y decimos que existe evidencia suficiente pa pendiente de la ecuación es distinta de 0, y que es válida para realizar un pronóstico con esta variable.
El intervalo de confianza al 90% se determina con:
𝐿í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎=
𝐿í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎=
Por lo que se estima que el intervalo ( , ) incluye el parámetro de la pendiente β 1.
f. Pronostica la pérdida cuando el tiempo es de 33 semanas.
l helado a temperaturas bajas, durante largos periodos, tiene un efecto lineal en la pérdida de peso del producto. En la plant
