Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- La asociación de atletismo de Carolina está interesada en organizar el primer triatlón anual de
Tarheel. Para atraer atletas de alto nivel, la asociación desea ofrecer premios en efectivo a los
primeros lugares, estableciendo tiempos para los ganadores globales de la competencia de
hombres. Como el recorrido no se ha recorrido antes, la asociación ha escogido 10 carreras de
diferentes longitudes que considera comparables en clima y condiciones del recorrido. Como en
toda carrera de atletismo, el ganador se determina con respecto a quien tenga menor tiempo en
el recorrido.
Millas Hombres
______________________ ___________
a) Hacer un análisis de la correlación entre las variables: Reportar correlaciones bajas medias
y altas entre: la variable dependiente con las variables independientes y entre las variables
independientes.
VARIABLES CORRELACION
Tiempo, lugar -0.4854 MEDIA
Tiempo, nado 0.9604 ALTA
Tiempo, ciclismo 0.9932 ALTA
Tiempo, carrera 0.9720 ALTA
Lugar, nado -0.5832 MEDIA
Lugar, ciclismo -0.5371 MEDIA
Lugar, carrera 0.4943 MEDIA
Nado, ciclismo 0.9728 ALTA
Nado, carrera 0.9652 ALTA
Ciclismo, carrera 0.9853 ALTA
300 500
Tiempo
100
2 4 6 8
Lugar
1.5
Nado
0.5
100
Ciclismo
60
20
25
15
Carrera
5
100 300 500 0.5 1.5 5 15 25
Tiempo-Lugar no hay tanta relación lineal según el gráfico y con la matriz de correlación -0.48
concuerdan los análisis.
Tiempo y ciclismo tienen una relación mucho más lineal, esto quiere decir, que probablemente
una de las variables tenga que salir del modelo.
La variable lugar podría salir del modelo por tener baja correlación con tiempo.
Hay problemas de multicolinealidad entre los variables nado, ciclismo y carrera. Al menos
alguna de estas debe salir del modelo.
Sin embargo, de acuerdo a la distancia de Cook si existen puntos atípicos, en los puntos 2 y 8 ya
que hay una distancia mayor a 1.
e) En caso de haber puntos atípicos e influyentes indicar si lo quitan o lo dejan, indicar porque
toma esa decisión.
Los puntos atípicos deben dejarse, ya que al tener una base de datos muy pequeña se estaría
reduciendo aún más la base de datos, por esto y entre otras situaciones estadísticas es
recomendable no quitar los puntos que aparecen como atípicos.
f) Realizar y dar un modelo que involucre a todas las variables que se cree aportan
información a la variable dependiente
g) Reportar los estadísticos necesarios que nos ayuden para realizar una comparación con
modelos que se generarán posteriormente con estas mismas variables.
R2 = 0.9929
R2ajustada= 0.9872
SCE = 2427
h) Por medio de la función “step” determinar qué variables aportan información, para esto,
hacer uso de las funciones “forward”, “backward” y “both”. Reportar los resultados con la
mayor claridad posible.
En cada modelo aparece un valor del AIC y se escoge el modelo cuyo valor de AIC sea menor, en
este caso:
Tiempo ~ Lugar + Nado + Ciclismo + Carrera, siendo este el mejor modelo, notemos que incluye a
todas las variables.
AIC=62.98
AIC=62.98
j) Ahora es el momento de revisar si se cumplen con los supuestos sobre los errores.
Residuals vs Fitted Normal Q-Q
2
Standardized residuals
5 2 8
10
1
Residuals
0
-10
-1
1
-30
9 1
-2
100 200 300 400 500 -1.5 -0.5 0.5 1.5
2
Standardized residuals
1
28
1.2
8 2
1
1
0.8
0.5
0
0.5
1
0.4
-1
Cook's distance
-2
0.0
100 200 300 400 500 0.0 0.2 0.4 0.6 0.8
3 3
0.5
Residuals
0.0
-0.5
-0.2
-1.5
1
9 9
1
Standardized residuals
1
1.2
9
1.0
3 8
1
0.5
0.8
0.0
0.5
1
0.4
-1.0
Cook's
9 distance
0.0
-2.0
Datos<-read.table("Dtriatlon.txt",header=T)
Datos
attach(Datos)
cor(Datos,method="pearson")
Datos1<-
data.frame(Datos$Tiempos.min,Datos$Lugares,Datos$Nado,Datos$Ciclismo,Datos$Carrera)
Datos1
names(Datos1)=c("Tiempo","Lugar","Nado","Ciclismo","Carrera")
Datos1
cor(Datos1)
pairs(Datos1)
attach(Datos1)
boxplot(Datos1)
ML<-lm(Tiempo~Lugar+Nado+Ciclismo+Carrera)
ML
cook<-cooks.distance(ML)
cook
significativas<-cook>1
significativas
summary(ML)
anova(ML)
step(ML,direction="forward")
step(ML,direction="backward")
step(ML,direction="both")
MF<-lm(Tiempo~Lugar+Ciclismo+Carrera)
MF
par(mfrow=c(2,2))
plot(MF)
MF2<-lm(log(Tiempo)~Lugar+Ciclismo+Carrera)
MF2
par(mfrow=c(2,2))