Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6: Reg
Análisis de regresión relacionando a los costos de mantenimiento d
IDESCRIPCIÓN DE COLUMNAS: D= Identificador de planta ; Costo =
X Y
ID Peso Costo xi - xx
1 15.5 18.38 -26.8518181818
2 22.29 20 -20.0618181818
3 12.36 11.5 -29.9918181818
4 31.84 25 -10.5118181818
5 83.9 62.5 41.5481818182
6 72.25 82.5 29.8981818182
7 27.14 25 -15.2118181818
8 40.41 30.67 -1.9418181818
9 12.42 12 -29.9318181818
10 69.42 61.25 27.0681818182
11 48.46 60 6.1081818182
12 69 67.5 26.6481818182
13 26.09 31 -16.2618181818
14 62.83 60 20.4781818182
15 77.06 72.5 34.7081818182
16 58.83 60.33 16.4781818182
17 59.48 49.75 17.1281818182
18 9 8.5 -33.3518181818
19 20.64 36.5 -21.7118181818
20 81.4 60 39.0481818182
21 18.92 16.25 -23.4318181818
22 50.32 50 7.9681818182
23 21.33 11.6 -21.0218181818
24 46.85 35 4.4981818182
25 65.94 75 23.5881818182
26 38.68 31.56 -3.6718181818
27 51.19 48.5 8.8381818182
28 59.42 77.5 17.0681818182
29 24.64 21.67 -17.7118181818
30 26.94 19.75 -15.4118181818
31 46.2 56 3.8481818182
32 26.86 25 -15.4918181818
33 20 40 -22.3518181818
TOTALES 1397.61 1362.71 -4.192202141E-13
n= 33
X Y
Promedios 42.351818182 41.2942424242
b1 0.89379485 Pendiente
b0 3.44040526 Intercepto
Prueba de Hipótesis sobre b 1: El estadístico de prueba tiene distribución T-Student con n-2 g
ECUACIÓN DE LA RECTA
Y (X)= β0 + β1 * X
Y(X) = 3.4404053 + 0.8937949 * X
Y(80) = 74.944 £
Como representar los β (Betas)
2.0395134464
11.91393908
e de correlación muestral)
ncluye que existe una relación fuerte entre X y Y, es decir, los costos de mantenimiento y el peso de la maqu
NTO DE "Y" UNIDADES
Bandas de predicción
99.221167669
88.334444854 80
47.630017283
70
59.356544468
34.859858121
60
85.711911385
COSTO (£)
66.571413105
50
85.323455492
46.710930899
40
79.639632646
92.811852478 30
75.977930018
76.571705797 20
31.927384293
41.960802483 10
96.8729309
40.468704982 0
0 10 20 30 40 50 60 70
68.249330083
42.560318402
Peso (toneladas)
65.122314634
82.499216459
57.81602049 Es evidente una relación existente entre el costo y el peso
69.035559297 * Mas no podemos derivar conclusiones que expliquen la causa
76.516875316 * La variable explicativa es el peso y la variable de respuesta es
45.443809222
47.454854848
64.538141697
47.384802843
41.405212563
e explica
80
60
COSTO (£)
40
sto y el peso 20
xpliquen la causalidad (causa efecto)
e de respuesta es el costo
0
0 10 20 30
-20
0
0 10 20 30
-20
on LIC Linear (LIC) LSC Linear (LSC) LIP
LIP) LSP Linear (LSP)
20 30 40 50 60 70 80
PESO (TONS)
20 30 40 50 60 70 80
PESO (TONS)
LABORATORIO 6: REAL STATE ANALYSIS
A continuación se presenta una hoja de datos de los precios de viviendas que ha recopilado una empresa de bienes raíces. La
ID Identificador de casa
No. Baños El número de baños que posee la casa
Area El área del sitio en donde se localiza la vivienda (pies cuadrados)
Tamaño Espacio que ocupa la vivienda (en pies cuadrados)
Garages Número de garages que posee la vivienda
Cuartos Número de cuartos que posee la vivienda
Dormitorios Número de dormitorios que posee la vivienda
Edad El número de años que posee la vivienda
Precio Precio de venta (Miles de Euros)
PREGUNTAS
1. ¿Existe algún tipo de relación entre el precio de venta y la edad de la vivienda (años)
2. Existe una relación entre el precio de venta y el tamaño de la vivienda?
3. Existe una relación entre el precio de venta y el área en donde se localiza la vivienda?
4. Obtener las ecuaciones de regresión lineal para los 3 casos
5. Calcular el coeficiente de determinación y el coeficiente de correlación para los 3 casos
6. Interpretar los coeficientes (betas) calculados
7. Indicar si observa valores atípicos (outliers) en cada caso. Cual sería el efecto de tener outliers en la regresión?
esa de bienes raíces. La descripción de las columnas son las siguientes
PRECIO
25.9
29.5
27.9
25.9
29.9
29.9
30.9
28.9
84.9
82.9
35.9
31.5
31
30.9
30
28.9
36.9
41.9
40.5
43.9
37.5
37.9
44.5
37.9
38.9
36.9
45.8
41
a regresión?