Está en la página 1de 2

Análisis de Datos Aplicado a la Investigación Científica cursodeestadistica.

com

DATOS 25
Predicciones con regresión lineal múltiple

Nombres y Apellidos: Nadet Milagros VIDAL RAMIREZ

Instrucciones: Completar todo lo que está en celeste


Planteamiento 1: Predecir el nivel de glucosa en ayunas en función a un conjunto de variables predictoras.
Utilizar la regresión lineal múltiple. Nivel de significancia = 5%

1. ANOVA (Especificación del modelo)

Suma de
Modelo cuadrados gl Cuadrado medio F Sig.
1 Regresión 68977,120 8 8622,140 34,909 0,000
Residuo 121271,192 491 246,988
Total 190248,312 499

2. Estimación de parámetros

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) 75,552 4,708 16,046 ,000
Edad 0,371 ,055 ,284 6,760 ,000
Sexo 1,148 1,716 ,027 ,669 ,504
Antecedente familiar 4,305 1,638 ,110 2,628 ,009
Procedencia (Urbano) -12,400 1,602 -,309 -7,742 ,000
Procedencia (Marginal) -1,390 2,292 -,023 -,607 ,544
Nivel nutricional 3,218 1,042 ,133 3,088 ,002
Nivel de triglicéridos 0,072 ,012 ,231 6,232 ,000
Hipertensión Arterial 9,742 2,055 ,173 4,740 ,000

3. Ecuación del modelo

𝑦0 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 … + 𝛽𝑛 𝑋𝑛

𝐺𝑙𝑢𝑐𝑜𝑠𝑎 = 𝟕𝟓, 𝟓 + 𝟎, 𝟑𝐄𝐝𝐚𝐝 + 𝟏, 𝟏𝐒𝐞𝐱𝐨 + 𝟒, 𝟑𝐀𝐅 + −𝟏𝟐, 𝟒𝐏𝐔 + −𝟏, 𝟑𝐏𝐌 + 𝟑, 𝟐𝐍𝐍
+ 𝟎, 𝟎𝟕𝐍𝐓 + 𝟗, 𝟕𝐇𝐓𝐀
Análisis de Datos Aplicado a la Investigación Científica cursodeestadistica.com

4. Utilidad del modelo

Coeficiente de correlación Root Mean Squared Error (RMSE) Capacidad de Predicción (%)
R = 0,6021 = 60,21% RMSE = 15.573 Error = 0.6374 = 63.74%
R2 = 0,3625 = 36,25% Precisión = 0.3625 = 36.25%