UNIVERSIDAD DE CONCEPCION

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

DEPARTAMENTO DE ESTADISTICA

Profesor: Patricio Salas Fernandez

Regresion Lineal Multiple: Listado 4.
Fecha: 6 de abril de 2014

Ejercicio 1:
Una automotora muy prestigiosa del pas necesita realizar un informe de los modelos de automoviles que posee en
stock, sin embargo el principal motivo por el cual se desea realizar el estudio radica en la necesidad de encontrar
relaciones entre variables que representan caractersticas de los automoviles. De esta manera se podra ofrecer a
cada cliente el modelo que mas le acomode. Las variables que se deciden analizar son:
VOL: Volumen de la cabina.
HP: Caballos de fuerza del motor.

WT: Peso del vehculo.

MPG: Millas por galon.
SP: Velocidad maxima.
Los datos se encuentran en la plataforma INFODA, especficamente en el archivo millaje.

a) Hallar la variable que tiene mayor correlacion con la variable respuesta.

b) Hacer un plot matricial para ver si no hay outliers y determinar si el coeficiente de correlacion es confiable.

c) Hallar el modelo de regresion multiple considerando todas las variables predictoras e interpretar los coefi-
cientes de regresion en funcion del problema.
d) Interprete los coeficientes del modelo en funcion de problema.

e) Ajuste modelos que incorporen una a una las covariables y obtenga los respectivos coeficientes de deter-
minacion y genere un comentario respecto a la comparacion de dichos coeficientes.
f) Probar que todos los coeficientes del modelo de regresion son ceros. Comentar el resultado.
g) Probar que cada uno de los coeficientes del modelo de regresion es cero. Comentar el resultado.

h) Hallar las dos variables que estan menos correlacionadas con la variable de respuesta y probar la hipotesis
de que ambas variables deben ser excluidas simultaneamente del modelo.
i) Hallar un Intervalo de Confianza para el valor medio de Y y el valor Predicho del 95 % para Y, escogiendo
valores adecuados de las variables predictoras. Comentar sus resultados.
j Realice un analisis de los residuos del modelo. Comentar resultados.