Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios de Regresion Lineal
Ejercicios de Regresion Lineal
a
Coeficientes
Coeficientes
a. Variable dependiente: y
El modelo es el siguiente
Y=-17,315 - 0,05X1 + 0,028X2 +0,056X3 + 1,607X4 + 4,979X5 + 0,498X6 -
3,301X7+0,285X8 + 0,095X9 - 0,012X10
Donde
Y=Millas/galón
Residual
Percent
50
0
10 -2
1 -4
-5,0 -2,5 0,0 2,5 5,0 10 15 20 25 30
Residual Fitted Value
3,6
Frequency
2
Residual
2,4 0
1,2 -2
0,0 -4
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order
Los residuales siguen una distribución normal. Lo cual se comprueba con la prueba de
Kolgomorov smirnov contrastando la hipótesis nula de que los residuales se distribuyen
normalmente dado que el p value 0,867 es mayor que 0,05.
Se observa en la cuarta grafica que los puntos están dispersos de manera aleatoria y que no hay
presencia de rachas con lo que se podría decir que son independientes.
En nuestro caso los valores son inferiores a estos el error estandarizado mas lato lo tiene
1,60113 que pertenece a la observación 14 que pertenece al automóvil El Dorado el cual está
inflado respecto a las demás, podría ser una observación atípica.
P=11
n=25
2p/n=0,88
Se retira la observación 14 12 5 y 22
50 0
-1
10
-2
1
-3,0 -1,5 0,0 1,5 3,0 15 20 25 30 35
Residual Fitted Value
4,5 1
Frequency
Residual
3,0 0
-1
1,5
-2
0,0
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20
Residual Observation Order
La normalidad es mas clara en este caso se puede observar aun presencia de Outsiders pero
estos no influyen en nuestro modelo. No hay presencia de rachas por lo que se podría decir que
son independientes los residuos.
Y=B0
X1 entra al modelo correlacion máxima con y
Fx1=SSR(X1)/CMR(X2)=837,171/8,510=98,377>F0,05;1;23=4,27
Ninguna otra variable entra al modelo ya que sus correlaciones parciales no superan al punto de
corte.
Y=34,364- 0,048x1
PRESS X1;….;X10)=866,357