c  

  

.

                c    .

       .

 .

      .

         .

         !"#$%$#!&#'(       .

.

        )*#%$#)&'(       #### Intervalo de prediccion ################################################## ############################### ############################ ##################### ##### El intervalo de prediccion se calcula casi de la misma forma que ######### ##### el de respuesta media. pero se usa 1+t(x0)(XtX)^ -1 x0 en lugar de ######## ##### solo t(x0)(XtX)^ -1 x0 para tomar en cuenta la varianza de ypred ########## lwr2<-yhath-tt*sqrt(sigma2*(1+pve)) upr2<-yhath+tt*sqrt(sigma2*(1+pve)) srp<-data.lwr2.upr2)### Intervalo de confianza del 95% de ypred srp  .frame(pred=yhath.

x2=275) #### Solo se quieren los inte rvalos de resp med #### y pred en el punto x0< -c(1.newdata.interval="confidence")#### Intervalo de conf de respmed #### respuesta media srm predicc<-predict(m1.newdata.interval="predictio n")#### Intervalo de conf de predicc #### prediccion srp                  .275) respmed<-predict(m1.###################################################################### ########## ###################################################################### ########## ###### Calculo de intervalos de respuesta media y prediccion con las ######### ###### Funciones de R ########## ###################################################################### ########## m1<-lm(y~x1+x2) #### Se ajusta el modelo newdata<-data.8.frame(x1=8.

*    .

  .

.

.

        .

.

8.TE[.n) X<-as.t(Q)%*%y) list(b=b.pch=20.qr. header = TRUE) attach(TE) ######## Se grafican las parejas de variables ############ ###################### pairs(y~x1+x2.Q(r) R<.matrix(cbind(Int.R(r) b<-backsolve(R.R=R) } ###################################################################### ########## #### Esta funcion calcula la suma del cuadrado de los residuale ete ############ fRSS<-function(X.lab=7) ######## Se calculan los coef de correlacion de pearson entre parejas de var ### round(cor(TE).4) ###################################################################### ########## ######### Se calculan los intervalos de respuesta media ######################## ################ y prediccion directamente #################################### ###################################################################### ########## ###### Se construye la ma triz de variables independientes ###################### n<-nrow(TE) Int<-rep(1.y){ r<-qr(X) Q <.qr.txt'.b){ yhat<-X%*%b e<-y-yhat ete<-(t(e)%*%e)[1] .2:3])) p<-ncol(X) #### Se escriben tres funciones para hacer las cosas mas faciles ############### ###################################################################### ########## #### Esta funcion calcula las betas y ademas la R de la factorizacion QR pues ## #### se utilizara mas adelante ################################################# betext<-function(X.table('C:/Documents and Settings/carlos/Escritorio/Regresion/ClasePEND/RMEPRED/tiempoe.font.y.cex=1.  ###################################################################### ########## ###### Variables relacionadas con el tiempo de entrega ######################### ###################################################################### ########## ######## Se l ee la base de datos ############################################### TE<-read.

necesita la R del programa betaext## pestv<-function(R.x0) #### Se calcula t(x0)(XtX)^ -1 x0 ###################################################################### ########## alfa<-.x2=275] lwr<-yhath-tt*sqrt(sigma2*pve) upr<-yhath+tt*sqrt(sigma2*pve) srm<-data.lwr2.275) #### 8 cajas y 275 pies y la interseccion pve<-pestv(R.y) #### Se calculan las betas y la R b<-rr$b #### Se almacenan las betas R<-rr$R #### Se almacena la R ete<-fRSS(X.n-p) ### Se calcula el cuantil yhath<-t(x0)%*%b ### Estimador puntual de E[y|x1=8.upr)### Intervalo de confianza del 95% de srm ### E[y|x1=8.frame(respmed=yhath.y.x0){ R1<-solve(R) V<-R1%*%t(R1) t(x0)%*%V%*%x0 } ###################################################################### ########## rr<-betext(X.frame(pred=yhath.05 ### Se fija el nivel de confianza 95% tt<-qt(1-alfa/2.8.ete } ###################################################################### ########## #### Esta funcion calcula t(x0)(XtX)^ -1 x0.b) #### Se calcula ete sigma2<-ete/(n-p) #### Con ete se calcula sigma2 ##### Intervalo de respuesta media ############################################# ###################################################################### ########## #### Se quiere s aber en promedio cuanto se tardaria el repartidor si tiene que # #### llevar 8 cajas y caminar una distancia de 275 pies ######################## x0<-c(1.lwr.upr2)### Intervalo de confianza del 95% de ypred srp ###################################################################### ########## ###################################################################### ########## . pero se usa 1+t(x0)(XtX)^ -1 x0 en lugar de ######## ##### solo t(x0)(XtX)^ -1 x0 para tomar en cuenta la varianza de ypred ########## lwr2<-yhath-tt*sqrt(sigma2*(1+pve)) upr2<-yhath+tt*sqrt(sigma2*(1+pve)) srp<-data.x2=275] ##### Intervalo de prediccion ######################################### ######### ###################################################################### ########## ##### El intervalo de prediccion se calcula casi de la misma forma que ######### ##### el de respuesta media.

interval="confidence")#### Intervalo de conf de respmed #### respuesta media srm predicc<-predict(m1.newdata.275) respmed<-predict(m1.frame(x1=8.###### Calculo de intervalos de respuesta media y prediccion con las ######### ###### funciones de R ########## ###################################################################### ########## m1<-lm(y~x1+x2) #### Se ajusta el modelo newdata<-data.x2=275) #### Solo se quieren los inte rvalos de resp med #### y pred en el punto x0< c(1.interval="prediction")#### Intervalo de conf de predicc #### prediccion srp     .8.newdata.

Sign up to vote on this title
UsefulNot useful