Estadísticas de la regresión

Coeficiente de correlación múltiple 0,15360511

Coeficiente de determinación R^2 0,02359453
R^2 ajustado 0,02095916
Error típico 484,205117
Observaciones 744
H0: β1 = β2 =... = βk = 0

H1: βj ≠ 0 para algún j = 1,..., k

Interpretación: El coeficiente de correlación me dice que existe una correlación positiva débil, es
decir las variables se relacionan en sentido directo.

El coeficiente de determinación nos dice que el 2,359453% de la variabilidad de y es explicada por

la regresión.

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 2 4198151,226 2099075,613 8,953015437 0,000143877
Residuos 741 173730855,3 234454,5955
Total 743 177929006,5
Como el F=8,953.. > Valor Critico de F , es un resultado significativo, entonces se rechaza la
hipótesis nula,

H0: β1 = β2 =... = βk = 0

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior Inferior Superior
95% 95,0% 95,0%

Intercepción
3010,93372 150,8662302 19,95763875 2,9937E-71 2714,757578 3307,10987 2714,75758 3307,10987

Dia_Hora
- - - - - -
2,34481923 0,017199914
5,59892101 2,387783647 10,20220113 0,99564089 10,2022011 0,99564089
Temperatura (°F)
- - -
3,765138051 -1,68528544 0,092354547 1,0462759 1,0462759
6,34533234 13,73694058 13,7369406
 Dia_Hora Gráfico de los residuales
1500
1000
500
Residuos

0
-500 0 5 10 15 20 25 30 35

-1000
-1500
Dia_Hora

Temperatura (°F) Gráfico de los residuales

1500
1000
500
Residuos

0
-500 0 10 20 30 40 50 60 70

-1000
-1500
Temperatura (°F)
PARTE 2 (JESUS)

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,97518228
Coeficiente de determinación R^2 0,95098048
R^2 ajustado 0,94916495
Error típico 259,553679
Observaciones 57

H0: β1 = β2 =... = βk = 0

H1: βj ≠ 0 para algún j = 1,..., k

Interpretación: El coeficiente de correlación me dice que existe una correlación positiva fuerte, es
decir las variables se relacionan en sentido directo.

El coeficiente de determinación nos dice que el 95,098048% de la variabilidad de y es explicada

por la regresión.

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de F Valor
libertad cuadrados los cuadrados crítico
de F
Regresión 2 70574973,2 35287486,6 523,801031 4,3648E-
36
Residuos 54 3637878,05 67368,1121
Total 56 74212851,3
Como el F=523,801031> Valor Critico de F , es un resultado significativo, entonces se rechaza la
hipótesis nula,

H0: β1 = β2 =... = βk = 0

Coeficien Error Estadísti Probabili Inferior Superior Inferior Superior

tes típico co t dad 95% 95% 95,0% 95,0%
Intercepción 26,1887 114,201 0,22932 0,819485 - 255,148 - 255,148
552 16 127 59 202,770 296 202,770 296
786 786
age 28,0162 2,77557 10,0938 4,9078E- 22,4515 33,5809 22,4515 33,5809
936 602 664 14 987 885 987 885
miles - 20,6881 - 6,9888E- - - - -
154,634 66 7,47454 10 196,111 113,157 196,111 113,157
582 276 857 306 857 306
 age Gráfico de los residuales
1000

500
Residuos

0
0 100 200 300 400 500 600
-500

-1000
age

miles Gráfico de los residuales

800
600
400
Residuos

200
0
-200 0 10 20 30 40 50 60 70 80
-400
-600
-800
miles

Apreciamos tendencia clara en este gráfico, los residuos no presentan estructura

definida respecto de los valores predichos por el modelo por lo que no debemos
rechazar la hipótesis de homocedasticidad, es decir la hipótesis nula de igualdad
de varianzas y poblaciones normales