1 Encuentre el modelo con todas las variables.

Coeficientesa
Coeficientes
Coeficientes no estandarizad Estadísticas de
estandarizados os colinealidad
Modelo B Desv. Error Beta t Sig. Tolerancia VIF
1 (Constante) 6,529 2,289 2,852 ,012
clasificacion ,242 ,145 ,167 1,665 ,115 ,491 2,038
clases perdidas -,046 ,147 -,033 -,316 ,756 ,442 2,262
horas de 1,409 ,168 ,824 8,382 ,000 ,512 1,954
estudio
a. Variable dependiente: calificacion

^y =6.529+ 0.242 X 1−0.46 X 2+1.409 X 3

Encuentre y valide el mejor modelo con 6% de significación.

Variable Hipótesis Estadístico Valor Decisión y

(T) p conclusión
Ho: β 1=0
Calificación H 1: β 1 ≠ 0
T= 1.665 0.115 No se rechaza
en el > 0.06 Ho. La
Examen de variable X1 se
Ingreso X1 elimina del
modelo.
Ho: β 2=0
Clases H 1: β 2 ≠ 0
T= -0.033 0.756 No se rechaza
pérdidas > 0.05 Ho. La
durante el variable X2 se
ciclo X2 elimina del
modelo.
Ho: β 3=0
Horas de H 1: β 3 ≠0
T= 8.352 0.000 se rechaza Ho.
estudio a la < 0.05 La variable X3
semana X3 se incluye en
el modelo.

Validación del modelo (prueba global)

Ho: β 3=0

H 1: β 3 ≠0

α =0.06

F=161.601
Valor p= 0.000 < 0.06
Se rechaza Ho.
A un nivel de significación del 6%, se concluye que el
modelo lineal es válido, es decir, existe relación lineal de
las Calificación en curso de postgrado a las Horas de
estudio a la semana

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 148,058 1 148,058 161,601 ,000b
Residuo 16,492 18 ,916
Total 164,550 19
a. Variable dependiente: y
b. Predictores: (Constante), x3

Verifique los supuestos con 6% de significación.

I) Normalidad de residuos.
Ho: los residuos tienen distribución normal.
H1: los residuos no tienen distribución normal.
α =0.06

Valor p= 0.242 > 0.06

Estadistico de Shapiro-Wilk=0.940

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Unstandardized Residual ,184 20 ,073 ,940 20 ,242
a. Corrección de significación de Lilliefors

No se rechaza Ho. A un nivel de significancia del 6%, se

concluye que los residuos tienen distribución normal

I) No autocorrelación de residuos.
Ho: los residuos no tienen autocorrelación.
H1: los residuos tienen autocorrelación.
α =0.06

Estadístico Durbin-Watson: DW= 1.306

1.306 pertenece al intervalo [1; 3]
No se rechaza Ho. A un nivel de significancia del 6%,
se concluye que los residuos no tienen
autocorrelación.

Resumen del modelob

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación Durbin-Watson
1 ,949a ,900 ,894 .95718 1,306
a. Predictores: (Constante), horas de estudio
b. Variable dependiente: calificacion

I) No multicolinealidad de variables explicativas.

 El VIF de la variable es 1.000 < 4, por lo tanto, no
existe problema de multicolinealidad.

Coeficientesa
Coeficientes
Coeficientes no estandariza Estadísticas de
estandarizados dos colinealidad
Modelo B Desv. Error Beta t Sig. Tolerancia VIF
1 (Constante) 8,825 ,542 16,295 ,000
horas de 1,622 ,128 ,949 12,712 ,000 1,000 1,000
estudio
a. Variable dependiente: calificacion

Presente el modelo estimado e interprete los coeficientes de regresión estimados.

Coeficientesa
Coeficiente
s
Coeficientes no estandariza Estadísticas de
estandarizados dos colinealidad
Toleranci
Modelo B Desv. Error Beta t Sig. a VIF
1 (Constante) 8,825 ,542 16,295 ,000

horas de 1,622 ,128 ,949 12,712 ,000 1,000 1,000

estudio
a. Variable dependiente: calificacion

^y =8.825+1.622 X 3

Si las horas de estudio se incrementa en 1 hora, se

estima que las Calificación en curso de postgrado
aumentan en 1.622
Estime la calificación en el curso de postgrado, para un alumno que obtuvo 15 en el examen de
ingreso, tuvo 2 clases perdidas en el curso y le dedica 2 horas a la semana de estudio.

X1= 15
X2= 2
X3= 2
^y =8.825+1.622 ( 2 )=12.069

A un nivel de confianza del 98%, estime la calificación en el curso de postgrado, para un

alumno que obtuvo 15 en el examen de ingreso, tuvo 2 clases perdidas en el curso y le dedica
2 horas a la semana de estudio.

X1= 15
X2= 2
X3= 2
Nivel de confianza 98%.
IC (Y )=[ 11,244 ; 12,894 ]