Instituto Tecnolgico

de Piedras Negras
Ingeniera Industrial

ESTADISTICA INFERENCIAL II

Profesor: Ing. Eduardo Snchez Garca

Alumna: Ana Karina Cruz Lira

TAREA 1:

Investigacin de suposiciones generales en las que se basa el modelo de regresin

lineal.

Fecha: 07/02/2017
Linealidad:
Si no se tiene linealidad se dice que tenemos un error de
especificacin. En el caso de que sean varias variables
independientes, la opcin Analizar-Regresin Lineal-Grficos-
Generar todos los grficos parciales nos da los diagramas de
dispersin parcial para cada variable independiente. En ellos se
ha eliminado el efecto proveniente de las otras variables y as la
relacin que muestran es la relacin neta entre las variables
representadas.

Independencia de la variable aleatoria residuos

(especialmente importante si los datos se
han obtenidos siguiendo una secuencia
temporal). Independencia entre los residuos
mediante el estadstico de Durbin-Watson
que toma valor 2 cuando los residuos son completamente
independientes (entre 1.5 y 2.5 se considera que existe
independencia), DW2 auto correlacin negativa.

Homocedasticidad o igualdad de varianzas de los residuos y

los pronsticos. Esta condicin se estudia utilizando las variables:
ZPRED=pronsticos tipificados y ZRESID=residuos tipificados
mediante:
El estadstico de Levene (ver explorar)
Un grfico de dispersin .Que se obtiene en Analizar-
Regresin-Lineal-Grficos. El supuesto de homocedasticidad
implica que la variacin de los residuos sea uniforme en todo
el rango de valores de los pronsticos (grfico sin pautas de
asociacin).

Normalidad de los residuos tipificados. Podemos contrastarla

mediante:
La prueba de Kolmogorff-Smirnov, con grficos de
normalidad de tipo Q-Q (cuantiles) o P-P(proporciones) (ver
explorar)
grficamente en Analizar-Regresin-Lineal-Grficos . La
opcin Histograma: aade una curva N(0,1) Grfico de
Probabilidad Normal de tipo P-P: Representa las proporciones
 acumuladas de la variable esperada respecto a las
proporciones acumuladas de la variable observada.

No-colinealidad, es decir la inexistencia de colinealidad. Esta

puede ser: colinealidad perfecta si una de las variables
independientes tiene una relacin lineal con otra/as
independientes, colinealidad parcial si entre las variables
independientes existen altas correlaciones.