Tarea Semana 6

Fernando Allendes Urbina

Estadística

Instituto IACC

11 de mayo de 2019
 Desarrollo

a)

Covarianza: -11.6465

La covarianza es <0 por lo que existe una relación inversa entre las variables, ya que, a medida
que la edad aumenta, las horas conectados a internet disminuyen

b) Y = 27.39 + -0.3488 * X

El modelo de regresión lineal y la interpretación de su pendiente es:

Hrs. Conectado a internet = 27.39 + -0.3488 * edad del trabajador

c)
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.866131075
Coeficiente de determinación R^2 0.750183039
R^2 ajustado 0.749344727
Error típico 1.166916984
Observaciones 300

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 1218.544816 1218.544816 894.87337 9.37712E-92
Residuos 298 405.785184 1.361695248
Total 299 1624.33

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
Intercepción 27.39032965 0.541086305 50.62099964 2.1721E-148 26.32549533 28.45516396 26.32549533 28.45516396
Edad (años) -0.348758516 0.011658536 -29.91443414 9.37712E-92 -0.371702008 -0.32581502 -0.37170201 -0.325815023

X = 62 - > Y = ?

Y = 27.39032965 - 0.348758516 * X

Y = 27.39032965 - 5.767301674 * 62

Y = 5.767301674

El número de horas estimadas que un trabajador de 62 años está conectado a internet es de,
aproximadamente, 6.

d)

X = ? - > Y = 18

X = (Y - 27.39032965)/-0.348758516

X = (18 - 27.39032965)/-0.348758516

X = 26.92501896
e.1)

e.2) El Modelo que mejor se ajusta a los datos es el modelo exponencial, ya que, su coeficiente
de determinación es mayor que el del modelo lineal (0.8053 contra 0.7678).

e.3)
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.876223498
Coeficiente de determinación R^2 0.767767619
R^2 ajustado 0.766988316
Error típico 90.44024991
Observaciones 300

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 8058362.29 8058362.29 985.1974546 1.75351E-96
Residuos 298 2437472.764 8179.438804
Total 299 10495835.05

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
Intercepción 48.67008434 24.11105774 2.018579395 0.044426451 1.220571379 96.1195973 1.220571379 96.1195973
Antigüedad Laboral (años) 77.47304254 2.46824901 31.38785521 1.75351E-96 72.61563584 82.33044924 72.61563584 82.33044924
X=15 -> Y=?

Y = 48.67008434 + 77.47304254 *X

Y = 48.67008434 + 77.47304254 *15

Y = 1210.765722

El sueldo estimado para un trabajador que lleva 15 años en la empresa es de, aproximadamente,
$1,211,000.-

e.4)
X=? -> Y=$750,000
X = (Y - 48.67008434)/77.47304254
X = (750.0 - 48.67008434)/77.47304254

X= 9.052567096

La antigüedad estimada para un trabajador con un sueldo de $750,000 es de, aproximadamente, 9

años.
 Bibliografía

IACC (2019) Semana 6, Contenidos, Regresión lineal.