El Modelo De Regresion Lineal Simple

Andrés Felipe Plaza Hernandez

Estadistica Aplicada II

26 de marzo de 2018
Introducción

Se requiere ajustar un modelo de regresion lineal , para predecir el

peso de acuerdo con la estatura de un individuo. Como variable de
respuesta el Peso y variable predictora la estatura, adiccionalmente
se agregara la variable Sexo al modelo y evaluar su influencia.
Ajuste Del Modelo

Estimate Std. Error t value P-value

(Intercept) -80.0221 18.7855 -4.26 0.0003
Altura 0.8512 0.1071 7.95 0.0000

peso = −80,0221 + 0,8512(Altura)

Ajuste Del Modelo

Modelo Ajustado
150
Peso

50
0

160 170 180 190 200

Estatura

R 2 = 0,73
Intervalos De Confianza

5% 95 %
(Intercept) -112.28 -47.76
Altura 0.67 1.04
Modelo Lineal, Intervalo De Confianza y Prediccion

Modelo Ajustado
150
Peso

50
0

160 170 180 190 200

Estatura
Diagnostico Del Modelo
2
1
residuos

0
−1

55 60 65 70 75 80 85 90

valores.ajustados
N
se observa ningún patrón especial, por lo que tanto la
homocedasticidad como la linealidad resultan hipótesis razonables.
Diagnostico Del Modelo

Normal Q−Q Plot

2
Sample Quantiles

1
0
−1

−2 −1 0 1 2

Theoretical Quantiles
La
normalidad también parece aceptable.
Modelo Regresion Lineal Adiccionando Variable Sexo

Estimate Std. Error t value Pr(P-value)

(Intercept) -71.3651 31.8230 -2.24 0.0364
altura 0.8028 0.1758 4.57 0.0002
sexoMujer -21.4443 46.5878 -0.46 0.6503
altura:sexoMujer 0.1242 0.2667 0.47 0.6463

R 2 = 0,7063
Modelo De Regresion Ajustado

Modelo Regresion iterado

H
90
H
80

H M
peso

MM H H
M
70

H M H
HH
H M
M
60

H
M
M
MM M

160 170 180 190 200

altura
D.C. Montgomery, E.A. Peck, G.G. Vining , Introducción al
análisis de regresión lineal
Julian J. Faraway, models linal with R.