REGRESIÓN LINEAL MÚLTIPLE

EJERCICIOS DE APLICACIÓN:
42.- Una investigación de un proceso de fundición a presión produjo los datos siguientes sobre X 1=
Temperatura de horno, X2= Tiempo de cierre de matriz y Y= Diferencia en temperatura en la superficie de
la matriz.

Y X1 X2
80 1250 6
95 1300 7
101 1350 6
85 1250 7
92 1300 6
87 1250 8
96 1300 8
106 1350 7
108 1350 8

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1 y X2

Estadísticas de la regresión

Coeficiente de correlación múltiple 0.9953353

Coeficiente de determinación R^2 0.9906923
R^2 ajustado 0.9875897
Error típico 1.0584755
Observaciones 9
 ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de F Valor
de cuadrados los cuadrados crítico de F
libertad
Regresión 2 715.5 357.75 319.31405 8.06E-07
Residuos 6 6.72222222 1.12037037
Total 8 722.222222      

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción -199.55556 11.6405572 -17.1431274 2.5218E-06

X1 0.21 0.00864242 24.2987603 3.1935E-07

X2 3 0.43212081 6.94250294 0.00044285

Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%

-228.039 -171.07213 -228.03897 -171.07213

0.188853 0.23114723 0.18885277 0.23114723

1.942638 4.05736153 1.94263847 4.05736153

I. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple de la diferencia en temperatura en la superficie de la matriz

ŷ= b0 + b1X1 + b2X2
ŷ= -199.555 + 0.210 X1 + 3 X2
b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión
(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y: Diferencia en temperatura en la superficie de la matriz.

X1: Temperatura de horno
X2: Tiempo de cierre de matriz

CONTRIBUCIÓN INDIVIDUAL X1
VARIABLE DEPENDIENTE
Y: Diferencia en temperatura en la superficie de la matriz.
VARIABLE INDEPENDIENTE
X1: Temperatura de horno

FORMULACIÓN DE HIPÓTESIS
H0: La temperatura de horno no influye en la diferencia de temperatura en la superficie de la matriz.
H1: La temperatura de horno si influye en la diferencia de temperatura en la superficie de la matriz.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción -199.55556 11.6405572 -17.1431274 2.5218E-06

X1 0.21 0.00864242 24.2987603 3.1935E-07

X2 3 0.43212081 6.94250294 0.00044285
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
ENTONCES COMO: “P valué” = 0.000000031935 < 0.05
Se rechaza la H0: La temperatura de horno no influye en la diferencia de temperatura en la superficie
de la matriz.
Se acepta la H1: La temperatura de horno si influye en la diferencia de temperatura en la superficie de
la matriz.

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Diferencia en temperatura en la superficie de la matriz.
Variable Independiente
X2: Tiempo de cierre de matriz

FORMULACIÓN DE HIPÓTESIS
H0: El tiempo de cierre de matriz no influye en la diferencia de temperatura en la superficie de la
matriz.
H1: El tiempo de cierre de matriz si influye en la diferencia de temperatura en la superficie de la
matriz.

Verificamos el valor de P value

  Coeficiente Error típico Estadístico t Probabilida

s d
Intercepció -199.55556 11.640557 - 2.5218E-06
n 2 17.143127
4
X1 0.21 0.0086424 24.2987603 3.1935E-07
2
X2 3 0.4321208 6.94250294 0.00044285
1
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.00044285< 0.05

Se rechaza la H0: El tiempo de cierre de matriz no influye en la Diferencia de temperatura en la
superficie de la matriz.
Se acepta la H1: El tiempo de cierre de matriz si influye en la Diferencia de temperatura en la
 PX1 = 0.000000031935 < 0.05, Se indica que la temperatura de horno (X1), influye en la
Diferencia de temperatura en la superficie de la matriz.

PX1 = 0.00044285< 0.05, Se indica que El tiempo de cierre de matriz si influye en la

Diferencia de temperatura en la superficie de la matriz.

c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P

de esta prueba?
Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de F Valor
de cuadrados los cuadrados crítico de F
libertad
Regresión 2 715.5 357.75 319.31405 8.06E-07
Residuos 6 6.72222222 1.12037037
Total 8 722.222222      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

Entonces como: “P valué” = 0.0000000806< 0.05

El análisis de varianza nos indica que conjuntamente ambas, variables temperatura de horno (X 1) y
tiempo de cierre de matriz (X2), tienen influencia significativa en la diferencia de temperatura en la
superficie de la matriz (P= 0.0000000806).

d) Calcule e interprete R y R2

Estadísticas de la regresión

Coeficiente de correlación múltiple 0.9953353

Coeficiente de determinación R^2 0.9906923
R^2 ajustado 0.9875897
Error típico 1.0584755
Observaciones 9
 R= 0.9953353, nos indica que hay una correlación perfecta positiva entre la diferencia de
temperatura en la superficie de la matriz, temperatura de horno y tiempo de cierre de matriz.

R2 % = 0.9906923, nos indica el 99% de la variabilidad de la diferencia de temperatura en la

superficie de la matriz es como consecuencia de la temperatura de horno (X 1) y el tiempo de cierre de
matriz (X2).

e) Prediga la diferencia en temperatura en la superficie de la matriz cuando la temperatura de horno es

1750 X1 y el tiempo de cierre de matriz es 9 X2.

ŷ= b0 + b1X1 + b2X2
ŷ= -199.55556 + 0.210 (1750) + 3 (9)
ŷ= 194.94444

La diferencia en temperatura en la superficie de la matriz cuando la temperatura de horno es

1750, X1 y el tiempo de cierre de matriz es 9, X2 es de 194.94444
43.- Un experimento realizado para estudiar el efecto del contenido molar del cobalto (X 1) y la
temperatura de calcinación (X2), en el área superficial de un catalizador de hidróxido de hierro-cobalto
(Y), produjo los datos siguientes, una petición al paquete SAS para ajustar β0 + β1X1 + β2X2 + β3X3 donde
X3= X1X2(una pronosticadora de interacción), genero los siguientes resultados.

Y X1 X2 X3
90.6 0,6 200 120
82.7 0,6 250 150
58.7 0,6 400 240
43.2 0,6 500 300
25.0 0,6 600 180
127.1 1,0 200 200
112.3 1,0 250 250
19.6 1,0 400 400
17.8 1,0 500 500
9.1 1,0 600 600
53.1 2,6 200 520
52.0 2,6 250 650
43.4 2,6 400 1040
42.4 2,6 500 1300
31.6 2,6 600 1560
40.9 2,8 200 560
37.9 2,8 250 700
27.5 2,8 400 1120
27.3 2,8 500 1400
19.0 2,8 600 1680

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1, X2 y X3

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión

múltiple con pronosticadores X1 , X2, X3 y Y
 Estadísticas de la regresión
Coeficiente de correlación 0.8668933
múltiple 5
Coeficiente de determinación 0.7515040
R^2 9
R^2 ajustado 0.7049111
Error típico 17.408988
6
Observaciones 20
ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio de los F Valor
libertad cuadrados cuadrados crítico de
F
Regresió 3 14664.901 4888.30061 16.129125 4.284E-
n 8 5 05
Residuos 16 4849.1661 303.072885
6
Total 19 19514.068      
  Coeficientes Error típico Estadístico t Probabilidad
Intercepción 173.544721 20.7886819 8.3480387 3.1777E-07
X1 -40.1263979 10.4286535 -3.8477065 0.00142219
X2 -0.26563524 0.0476418 -5.57567605 4.1803E-05
X3 0.07176573 0.02396422 2.99470372 0.00857369
Inferior
Inferior 95% Superior 95% Superior 95.0%
95.0%
129.474684 217.614758 129.474684 217.614758

-62.2341557 -18.0186401 -62.2341557 -18.0186401

-0.36663134 -0.16463914 -0.36663134 -0.16463914
0.02096386 0.1225676 0.02096386 0.1225676
II. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple del área superficial de un catalizador de hidróxido de hierro
– cobalto:

ŷ= b0 + b1X1 + b2X2 + b3X3

ŷ= 173.544721 + -40.1263979 X1 + -0.26563524 X2 + 0.07176573 X3
b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión
(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y: En el área superficial de un catalizador de hidróxido de hierro - cobalto

X1: El efecto del contenido molar del cobalto
X2: La temperatura de calcinación
X3: Una pronosticadora de interacción

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: El área superficial de un catalizador de hidróxido de hierro-cobalto
Variable Independiente
X1: El efecto del contenido molar del cobalto

FORMULACIÓN DE HIPÓTESIS
H0: El efecto del contenido molar del cobalto no influye en el área superficial de un catalizador de
hidróxido de hierro-cobalto.
H1: El efecto del contenido molar del cobalto si influye en el área superficial de un catalizador de
hidróxido de hierro-cobalto.

Verificamos el valor de P Value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 173.544721 20.7886819 8.3480387 3.1777E-07
X1 -40.1263979 10.4286535 -3.8477065 0.00142219
X2 -0.26563524 0.0476418 -5.57567605 4.1803E-05
X3 0.07176573 0.02396422 2.99470372 0.00857369
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
ENTONCES COMO: “P valué”, 0.00142219 < 0.05
Se rechaza la H0: El efecto del contenido molar del cobalto no influye en el área superficial de un
catalizador de hidróxido de hierro-cobalto.
Se acepta la H1: El efecto del contenido molar del cobalto si influye en el área superficial de un
catalizador de hidróxido de hierro-cobalto.

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: En el área superficial de un catalizador de hidróxido de hierro - cobalto
Variable Independiente
X2: La temperatura de calcinación

FORMULACIÓN DE HIPÓTESIS
H0: La temperatura de calcinación no influye En el área superficial de un catalizador de hidróxido
de hierro-cobalto
H1: La temperatura de calcinación si influye En el área superficial de un catalizador de hidróxido
de hierro-cobalto

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida

d
Intercepción 173.544721 20.7886819 8.3480387 3.1777E-07

X1 -40.1263979 10.4286535 -3.8477065 0.00142219

X2 -0.26563524 0.0476418 -5.57567605 4.1803E-05

X3 0.07176573 0.02396422 2.99470372 0.00857369

Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.0000041803 < 0.05

Se rechaza la H0: La temperatura de calcinación no influye En el área superficial de un
catalizador de hidróxido de hierro-cobalto
Se acepta la H1: La temperatura de calcinación si influye En el área superficial de un catalizador
de hidróxido de hierro-cobalto
CONTRIBUCIÓN INDIVIDUAL X3
Variable Dependiente:
Y: El área superficial de un catalizador de hidróxido de hierro - cobalto
Variable Independiente
X3: Pronosticadora de interacción

FORMULACIÓN DE HIPÓTESIS
H0: La pronosticadora de interacción no influye en el área superficial de un catalizador de hidróxido de
hierro-cobalto.
H1: La pronosticadora de interacción si influye en el área superficial de un catalizador de hidróxido de
hierro-cobalto.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 173.544721 20.7886819 8.3480387 3.1777E-07
X1 -40.1263979 10.4286535 -3.8477065 0.00142219
X2 -0.26563524 0.0476418 -5.57567605 4.1803E-05
X3 0.07176573 0.02396422 2.99470372 0.00857369
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.00857369 < 0.05

Se rechaza la H0: La pronosticadora de interacción no influye en el área superficial de un catalizador
de hidróxido de hierro-cobalto.
Se acepta la H1: La pronosticadora de interacción si influye en el área superficial de un catalizador
de hidróxido de hierro-cobalto.

PX1 = 0.00142219 < 0.05, Se indica que el efecto del contenido molar del cobalto (X1),
si influye en el área superficial de un catalizador de hidróxido de hierro-cobalto.

PX2 = 0.0000041803 < 0.05, Se indica que la temperatura de calcinación (X2) si influye
en el área superficial de un catalizador de hidróxido de hierro-cobalto.

PX3 = 0.00857369 < 0.05, se indica que una pronosticadora de interacción (X3), si
influye en el área superficial de un catalizador de hidróxido de hierro- cobalto.
c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P
de esta prueba?
Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio F Valor crítico
de cuadrados de los de F
libertad cuadrados
Regresió 3 14664.901 4888.30061 16.129125 4.284E-05
n 8 5
Residuos 16 4849.1661 303.072885
6
Total 19 19514.068      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.000004284 < 0.05

El análisis de varianza nos indica que conjuntamente ambas, variables,l efecto del contenido molar
del cobalto (X1) y la temperatura de calcinación (X 2), tienen influencia significativa en el área
superficial de un catalizador de hidróxido de hierro-cobalto (P= 0.000004284).

d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.86689335
Coeficiente de determinación R^2 0.75150409
R^2 ajustado 0.7049111
Error típico 17.4089886
Observaciones 20

R= 0.86689335, nos indica que hay una correlación directa positiva entre el área superficial de un
catalizador de hidróxido de hierro-cobalto, el efecto del contenido molar del cobalto, la temperatura
de calcinación y la pronosticadora de interacción.

R2 % = 0.75150409, nos indica el 75.1% de la variabilidad del Área superficial de un catalizador de

hidróxido de hierro-cobalto es como consecuencia del efecto del contenido molar del cobalto (X 1), la
temperatura de calcinación (X2) y la pronosticadora de interacción (X3).
71.- Un baño de amoniaco es el más utilizado para depositar capas de aleación de Pd-Ni. El artículo
“Modelling of Palladium and Nickel in an Ammonia Bath in a Rotary Device ” (Plating and Surface
Finishing, 1997: 102- 104) informo de una investigación sobre la forma en que las características de
la composición del baño afectan las propiedades de la capa. Tenga en cuenta los siguientes datos
X1= Concentración de Pd (g/dm3), X2= Concentración de Ni(g/dm3), X3= pH, X4= Temperatura (°C), X5=
Densidad de corriente catódica (A/dm2) y Y= Contenido de paladio (%) de la capa.

Obs Y X1 X2 X3 X4 X5
1 61.5 16 24 9.0 35 5
2 51.0 8 24 9.0 35 3
3 81.0 16 16 9.0 35 3
4 50.9 8 16 9.0 35 5
5 66.7 16 24 8.0 35 3
6 48.8 8 24 8.0 35 5
7 71.3 16 16 8.0 35 5
8 62.8 8 16 8.0 35 3
9 64.0 16 24 9.0 25 3
10 37.7 8 24 9.0 25 5
11 68.7 16 16 9.0 25 5
12 54.1 8 16 9.0 25 3
13 61.6 16 24 8.0 25 5
14 48.0 8 24 8.0 25 3
15 73.2 16 16 8.0 25 3
16 43.3 4 16 8.0 25 5
17 35.0 20 20 8.5 30 4
18 69.6 12 20 8.5 30 4
19 70.0 12 12 8.5 30 4
20 48.2 12 28 8.5 30 4
21 56.0 12 20 7.5 30 4
22 77.6 12 20 9.5 30 4
23 55.0 12 20 8.5 20 4
24 60.6 12 20 8.5 40 4
25 54.9 12 20 8.5 30 2
26 49.8 12 20 8.5 30 6
27 54.1 12 20 8.5 30 4
28 61.2 12 20 8.5 30 4
29 52.5 12 20 8.5 30 4
30 57.1 12 20 8.5 30 4
31 52.5 12 20 8.5 30 4
32 56.6 12 20 8.5 30 4
A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1, X2, X3, X4 y X5

Estadísticas de la regresión
Coeficiente de correlación 0.8953971
múltiple 2
Coeficiente de determinación 0.8017360
R^2 1
R^2 ajustado 0.7636083
2
Error típico 5.2480937
5
Observaciones 32

ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 5 2895.77 579.154 21.0276574 2.1806E-08
Residuos 26 716.104688 27.542488
Total 31 3611.87469      

  Coeficientes Error típico Estadístico t Probabilida

d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686
Inferior 95% Superior 95% Inferior 95.0% Superior
95.0%
-17.6812728 67.6875228 -17.6812728 67.6875228
1.74741369 2.84841965 1.74741369 2.84841965
-1.69216965 -0.59116369 -1.69216965 -
0.59116369
-1.37069049 7.43735716 -1.37069049 7.43735716
III. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple del Contenido de paladio (%) de la capa

ŷ= b0 + b1X1 + b2X2 + b3X3 + b4X4 + bX5

ŷ= 25.003125 + 2.29791667 X1 + -1.14166667 X2 + 3.03333333 X3 + 0.455 X4 + -2.8 X5

b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión

(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y: Contenido de paladio (%) de la capa

X1: Concentración de Pd (g/dm3)
X2: Concentración de Ni(g/dm3)
X3: pH
X4: Temperatura (°C)
X5: Densidad de corriente catódica (A/dm2)

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: Contenido de paladio (%) de la capa
Variable Independiente
X1: Concentración de Pd (g/dm3)

FORMULACIÓN DE HIPÓTESIS
H0: La concentración de Pd (g/dm3), no influye en el Contenido de paladio (%) de la capa.
H1: La concentración de Pd (g/dm3), si influye en el Contenido de paladio (%) de la capa.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida
d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
ENTONCES COMO: “P valué”, 0.00000000046427 < 0.05
Se rechaza la H0: La concentración de Pd (g/dm3), no influye en el Contenido de paladio (%) de la capa.
Se acepta la H1: La concentración de Pd (g/dm3), si influye en el Contenido de paladio (%) de la capa.

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Contenido de paladio (%) de la capa
Variable Independiente
X2: Concentración de Ni(g/dm3)

FORMULACIÓN DE HIPÓTESIS
H0: La Concentración de Ni(g/dm3), no influye en el Contenido de paladio (%) de la capa.
H1: La Concentración de Ni(g/dm3), si influye en el Contenido de paladio (%) de la capa.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida
d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.00023488 < 0.05

Se rechaza la H0: La Concentración de Ni(g/dm3), no influye en el Contenido de paladio (%) de la capa.
Se acepta la H1: La Concentración de Ni(g/dm3), si influye en el Contenido de paladio (%) de la capa.
CONTRIBUCIÓN INDIVIDUAL X3
Variable Dependiente:
Y: Contenido de paladio (%) de la capa
Variable Independiente
X3: pH

FORMULACIÓN DE HIPÓTESIS
H0: El pH, no influye en el Contenido de paladio (%) de la capa.
H1: El pH, si influye en el Contenido de paladio (%) de la capa.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida
d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.16870984 > 0.05

Se acepta la H0: El pH, no influye en el Contenido de paladio (%) de la capa.
Se rechaza la H1: El pH, si influye en el Contenido de paladio (%) de la capa.

CONTRIBUCIÓN INDIVIDUAL X4
Variable Dependiente:
Y: Contenido de paladio (%) de la capa
Variable Independiente
X4: Temperatura (°C)

FORMULACIÓN DE HIPÓTESIS
H0: La temperatura (°C), no influye en el contenido de paladio (%) de la capa.
H1: La temperatura (°C), si influye en el contenido de paladio (%) de la capa.
Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida

d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686

Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.04337499 < 0.05

Se rechaza la H0: La temperatura (°C), no influye en el contenido de paladio (%) de la capa.
Se acepta la H1: La temperatura (°C), si influye en el contenido de paladio (%) de la capa.

CONTRIBUCIÓN INDIVIDUAL X5
Variable Dependiente:
Y: Contenido de paladio (%) de la capa
Variable Independiente
X5: Densidad de corriente catódica (A/dm2)

FORMULACIÓN DE HIPÓTESIS
H0: La densidad de corriente catódica (A/dm2), no influye en el contenido de paladio (%) de la capa.
H1: La densidad de corriente catódica (A/dm2), si influye en el contenido de paladio (%) de la capa.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida
d
Intercepción 25.003125 20.7656466 1.20406195 0.23941321
X1 2.29791667 0.26781566 8.58021762 4.6427E-09
X2 -1.14166667 0.26781566 -4.26288237 0.00023488
X3 3.03333333 2.1425253 1.4157748 0.16870984
X4 0.455 0.21425253 2.1236622 0.04337499
X5 -2.8 1.07126265 -2.6137381 0.01469686
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
 ENTONCES COMO: “P valué”, 0.01469686 < 0.05
Se rechaza la H0: La densidad de corriente catódica (A/dm2), no influye en el contenido de paladio
(%) de la capa.
Se acepta la H1: La densidad de corriente catódica (A/dm 2), si influye en el contenido de paladio (%)
de la capa.

PX1 = 0.00000000046427< 0.05, Se indica que la Concentración de Pd (g/dm3) (X1), si

influye en el contenido de paladio (%) de la capa.

PX2 = 0.00023488< 0.05, Se indica que la concentración de Ni(g/dm3) (X2), si influye en

el contenido de paladio (%) de la capa.

PX3 = 0.16870984< 0.05, Se indica que el pH (X3), no influye en el contenido de paladio

(%) de la capa.

PX4 = 0.04337499< 0.05, Se indica que la temperatura °C, (X2), si influye en el

contenido de paladio (%) de la capa.
PX5 = 0.01469686< 0.05, Se indica que la densidad de corriente catódica (A/dm2),
(X2), si influye en el contenido de paladio (%) de la capa.

c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P

de esta prueba?

Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de los F Valor
de cuadrados cuadrados crítico de F
libertad
Regresión 5 2895.77 579.154 21.027657 2.1806E-
4 08
Residuos 26 716.104688 27.542488
Total 31 3611.87469      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
 ENTONCES COMO: “P valué” = 0.00000000021806 < 0.05
El análisis de varianza nos indica que las variables, Concentración de P d (g/dm3), (X1), concentración
de Ni(g/dm3), (X2), temperatura (°C), (X4) y densidad de corriente catódica (A/dm 2), (X5), influyen
significativamente en el contenido de paladio (%) de la capa, mientras que las variables, pH (X 3), no
tiene influencia significativa en contenido de paladio (%).
(P= 0.0000000021806).

d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.89539712
Coeficiente de determinación R^2 0.80173601
R^2 ajustado 0.76360832
Error típico 5.24809375
Observaciones 32

R= 0.89539712, nos indica que hay una correlación directa positiva entre el Contenido de paladio (%)
de la capa, Concentración de Pd (g/dm3), Concentración de Ni(g/dm3), pH, Temperatura (°C) y la
densidad de corriente catódica (A/dm2).

R2 % = 0.80173601, nos indica el 80.1% de la variabilidad del Contenido de paladio (%) de la capa es
como consecuencia de la concentración de Pd (g/dm3), (X1), concentración de Ni(g/dm3), (X2), pH
(X3), Temperatura (°C), (X4) y la densidad de corriente catódica (A/dm2), (X5),
73.- La información siguiente sobre X= frecuencia (MHz) y Y= potencia de salida (W), para cierto tipo de
configuración láser, apareció en una grafico del artículo “Frequency Dependence” in RF Discharge in
Excited Waveguide CO2 Lasers” (IEEE J. Quantum Electronics, 1984: 509-514).
N° X Y
1 60 16
2 63 17
3 77 19
4 100 21
5 125 22
6 157 20
7 186 15
8 222 5

a) Trace el diagrama de dispersión e indicar la tendencia.

25

20

15

10

0
40 60 80 100 120 140 160 180 200 220 240

El diagrama presenta una tendencia negativa

b) Hallar la ecuación del modelo

N° X Y XY X2 Y2
1 60 16 960 3600 256
2 63 17 1071 3969 289
3 77 19 1463 5929 361
4 100 21 2100 10000 441
5 125 22 2750 15625 484
6 157 20 3140 24649 400
7 186 15 2790 34596 225
8 222 5 1110 49284 25
Σ 990 135 15384 147652 2481

β1= b= n (Σxy)-(Σx)( Σy)

n (Σx2)–(Σx)2
β1= b= 8 (15384) -(990) *(135)
8 (147652) -(990)2

β1= b= -0.052596511466

β0= a = Σy - b Σx
n n

β0= a = 135 - (-0.052596511466) 990

8 8
β1= a = 23.38381829

Y= 23.38381829 -0.052596511466 X
c) Interprete los coeficientes del modelo de regresión

a=: 23.38381829, Es la potencia de salida (W), sin tener en

cuenta la frecuencia (MHz).

b= -0.052596511466: Es decremento promedio de la potencia de

salida (W), por cada variación unitaria la
frecuencia (MHz).

d) Calcule e interprete el coeficiente de correlación

R= n (Σ xy) – (Σx) *( Σy)

√n (Σ x2) – (Σ X)2 √n (Σ y2) – (Σ y)2

R= 8 (15384) – (990) (135)

√8 (147652) – (990)2 √8 (2481) – (135)2

R= - 0.585492035094

EL R= - 0.585492035094, expresa una correlación inversa negativa entre la frecuencia (MHz) y

potencia de salida (W).

Esto quiere decir que a mayor frecuencia (MHz) menor potencia de salida (W).

e) Calcule e interprete el coeficiente de determinación

R2= (- 0.585492035094)2
R2= 0.34280092

El 34% de la variación de la potencia de salida (W) se debe a la variación de la frecuencia (MHz)

79.- El artículo “Chemithermomechanical Pulp fron Mixed High Density Hardwoods” (TAPPI, julio 1988:
145-146) informa de un estudio en el que se obtuvo la información siguiente para relacionar y= área
superficial especifica (cm3/g) con X1= % de NaOH utilizado como sustancia química de tratamiento previo
y X2= tiempo de tratamiento (min) para un lote de pulpa.

Y X1 X2
5.95 3 30
5.60 3 60
5.44 3 90
6.22 9 30
5.85 9 60
5.61 9 90
8.36 15 30
7.30 15 60
6.43 15 90

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1 y X2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.89807061
Coeficiente de determinación R^2 0.80653082
R^2 ajustado 0.74204109
Error típico 0.48507445
Observaciones 9
 ANÁLISIS DE VARIANZA

  Grados de Suma de Promedio de F Valor

libertad cuadrados los crítico de F
cuadrados
Regresió 2 5.88541667 2.94270833 12.5063454 0.0072416
n 1
Residuos 6 1.41178333 0.23529722

Total 8 7.2972      

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 6.04833333 0.52081226 11.6132699 2.4543E-05

x1 0.14166667 0.03300514 4.29226128 0.00513612

x2 -0.01694444 0.00660103 -2.56694057 0.04250965

Inferior Superior 95% Inferior 95.0% Superior 95.0%

95%
4.77395164 7.32271502 4.77395164 7.32271502

0.06090601 0.22242732 0.06090601 0.22242732

-0.03309658 -0.00079231 -0.03309658 -0.00079231

IV. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple del área superficial especifica (cm3/g):

ŷ= b0 + b1X1 + b2X2
ŷ= 6.04833333 + 0.14166667 X1 + -0.01694444 X2

b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión

(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y: Área superficial especifica (cm3/g)

X1: % de NaOH utilizado como sustancia química de tratamiento
previo
X2: tiempo de tratamiento (min) para un lote de pulpa.

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: Área superficial especifica (cm3/g)
Variable Independiente:
X1: % de NaOH utilizado como sustancia química de tratamiento
previo

FORMULACIÓN DE HIPÓTESIS
H0: El % de NaOH utilizado como sustancia química de tratamiento previo no influye en el área
superficial especifica (cm3/g).
H1: El % de NaOH utilizado como sustancia química de tratamiento previo si influye en el área
superficial especifica (cm3/g).

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció 6.04833333 0.52081226 11.6132699 2.4543E-05
n
x1 0.14166667 0.03300514 4.29226128 0.00513612
x2 -0.0169444 0.00660103 -2.5669405 0.04250965

Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.00513612< 0.05
Se rechaza la H0: El % de NaOH utilizado como sustancia química de tratamiento previo, no influye en
el área superficial especifica (cm3/g).
Se acepta la H1: El % de NaOH utilizado como sustancia química de tratamiento previo, si influye en el
área superficial especifica (cm3/g).

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Área superficial especifica (cm3/g)
Variable Independiente
X2: Tiempo de tratamiento (min) para un lote de pulpa.

FORMULACIÓN DE HIPÓTESIS
H0: Tiempo de tratamiento (min) para un lote de pulpa no influye en el área superficial especifica
(cm3/g).
H1: Tiempo de tratamiento (min) para un lote de pulpa si influye en el área superficial especifica
(cm3/g).

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 6.04833333 0.52081226 11.6132699 2.4543E-05

x1 0.14166667 0.03300514 4.29226128 0.00513612

x2 -0.0169444 0.00660103 -2.5669405 0.04250965

Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.04250965< 0.05

Se rechaza la H0: Tiempo de tratamiento (min) para un lote de pulpa no influye en el área superficial
especifica (cm3/g).
Se acepta la H1: Tiempo de tratamiento (min) para un lote de pulpa si influye en el área superficial
especifica (cm3/g).
 PX1 = 0.00513612< 0.05, Se indica que el % de NaOH utilizado como sustancia química
de tratamiento previo (X1), si influye en el Área superficial especifica (cm3/g).

PX2 = 0.04250965< 0.05, Se indica que el tiempo de tratamiento (min) para un lote de
pulpa (X2) si influye en el Área superficial especifica (cm3/g).

c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P

de esta prueba?

Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio de F Valor crítico
libertad cuadrados los cuadrados de F
Regresión 2 5.88541667 2.94270833 12.5063454 0.00724161
Residuos 6 1.41178333 0.23529722
Total 8 7.2972      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.00724161< 0.05

El análisis de varianza nos indica que conjuntamente ambas, variables % de NaOH utilizado como
sustancia química de tratamiento previo (X 1) y tiempo de tratamiento (min) para un lote de
pulpa. (X2), tienen influencia significativa en el Área superficial especifica (cm 3/g), (P= 0.00724161).

d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.89807061
Coeficiente de determinación R^2 0.80653082
R^2 ajustado 0.74204109
Error típico 0.48507445
Observaciones 9
R= 0.89807061, nos indica que hay una correlación directa positiva entre el Área superficial
especifica (cm3/g), el % de NaOH utilizado como sustancia química de tratamiento previo y el tiempo
de tratamiento (min) para un lote de pulpa.

R2 % = 0.80653082, nos indica el 80.6% de la variabilidad del el Área superficial especifica (cm 3/g), es
como consecuencia del % de NaOH utilizado como sustancia química de tratamiento previo (X 1) y el
tiempo de tratamiento (min) para un lote de pulpa (X2).
 TAREA
APLICACIÓN PRÁCTICA DE DOS EJEMPLOS DE REGRESIÓN MÚLTIPLE.

SOLUCIÓN

1.- Supongamos que obtenemos los siguientes datos en el estudio de la relación citada sobre la
inteligencia y la motivación como predictores de la calificación final obtenida en el bachillerato en una
muestra de 12 sujetos:

Sujetos X1 X2 Y
1 85 10 4
2 100 20 5
3 95 35 8
4 80 30 7
5 180 45 10
6 90 25 6
7 110 10 6
8 120 15 7
9 80 10 4
10 95 15 4
11 160 15 6
12 150 45 9

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1 y X2
 Estadísticas de la regresión
Coeficiente de correlación múltiple 0.92159464
Coeficiente de determinación R^2 0.84933667
R^2 ajustado 0.81585593
Error típico 0.84513654
Observaciones 12

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de F Valor
de cuadrados los cuadrados crítico de F
liberta
d
Regresión 2 36.2383647 18.1191824 25.3679186 0.0002
Residuos 9 6.42830196 0.71425577
Total 11 42.6666667      

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 1.7374748 0.88481674 1.96365497 0.08116612

x1 0.01876312 0.00871416 2.15317595 0.05972718

X2 0.10877784 0.02244285 4.84688104 0.00091227

Inferior 95% Superior 95% Inferior Superior

95.0% 95.0%
-0.26411974 3.73906933 -0.26411974 3.73906933

-0.00094968 0.03847592 -0.00094968 0.03847592

0.05800858 0.15954711 0.05800858 0.15954711

V. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple de la calificación final

ŷ= b0 + b1X1 + b2X2
ŷ= 1.7374748 + 0.01876312 X1 + 0.10877784 X2
b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión
(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?
Y= calificación final
X1= la inteligencia
X2= la motivación

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: Calificación final
Variable Independiente:
X1: La inteligencia

FORMULACIÓN DE HIPÓTESIS
H0: La inteligencia no influye en la calificación final.
H1: La inteligencia si influye en la calificación final.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció 1.7374748 0.88481674 1.96365497 0.08116612
n
x1 0.01876312 0.00871416 2.15317595 0.05972718
X2 0.10877784 0.02244285 4.84688104 0.00091227
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.05972718 > 0.05

Se acepta la H0: La inteligencia no influye en la calificación final.
Se rechaza la H1: La inteligencia si influye en la calificación final.
CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Calificación final
Variable Independiente
X2: La motivación

FORMULACIÓN DE HIPÓTESIS
H0: La motivación no influye en la calificación final.
H1: La motivación si influye en la calificación final.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció 1.7374748 0.88481674 1.96365497 0.08116612
n
x1 0.01876312 0.00871416 2.15317595 0.05972718
X2 0.10877784 0.02244285 4.84688104 0.00091227
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.00091227 < 0.05

Se rechaza la H0: La motivación no influye en la calificación final.
Se acepta la H1: La motivación si influye en la calificación final.

PX1 = 0.05972718 > 0.05, Se indica que la inteligencia (X 1), no influye en la calificación
final.

PX2 = 0.00091227 < 0.05, Se indica que la motivación (X2), si influye en la calificación
final.
c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P
de esta prueba?
Interpretar el cuadro ANVA (Verificamos el valor de P Value)
ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de F Valor
de cuadrados los crítico
libertad cuadrados de F
Regresión 2 36.2383647 18.1191824 25.3679186 0.0002
Residuos 9 6.42830196 0.71425577
Total 11 42.6666667      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.0002 < 0.05

El análisis de varianza nos indica que por una parte la variable, inteligencia (X 1) no tiene influencia
significativa en la calificación final y la variable motivación (X 2), si tiene influencia significativa en la
calificación final.
(P=0.0002)

d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.92159464
Coeficiente de determinación R^2 0.84933667
R^2 ajustado 0.81585593
Error típico 0.84513654
Observaciones 12

R= 0.92159464, nos indica que hay una correlación directa positiva entre la calificación final, la
inteligencia y la motivación.

R2 % = 0.84933667, nos indica el 84.9% de la variabilidad de la calificación final, es como

consecuencia de la inteligencia (X1) y la motivación (X2).

REFERENCIA WEB
http://biblio3.url.edu.gt/Libros/2012/esta-AE/13.pdf
2.- Se pidió una muestra aleatoria de 25 estudiantes universitarios de primer año de la Universidad de
Illinois que valoraran en una escala de 1 (baja) a 10 (alta), su opinión general sobre la vida en la
residencia (Y). También se les pidi6 que valoraran su nivel de satisfacción con los compañeros (X 1), con la
planta (X2), con la Satisfacción con los espacios deportivos (X 3) y con el director de la residencia (X 4), se
Obtuvo información sobre la satisfacci6n con la habitación, pero esta se descartó más tarde, porque no
suministraba más informaci6n para explicar la opinión general). Se estimo los siguientes valores:
Estudiante
Y X1 X2 X3 X4
s
1 6 5 4 3 7
2 7 4 4 3 5
3 6 3 4 6 6
4 7 5 3 7 5
5 8 6 3 6 6
6 4 2 3 7 7
7 5 3 6 6 4
8 5 5 10 7 3
9 4 5 7 8 4
10 6 7 6 9 3
11 4 5 8 6 9
12 5 6 7 10 8
13 7 6 6 10 7
14 7 6 5 10 5
15 8 10 4 5 4
16 7 4 3 5 5
17 9 3 4 5 6
18 10 5 4 6 6
19 10 6 4 6 6
20 6 10 10 6 7
21 6 7 5 7 8
22 7 7 5 7 9
23 7 10 5 7 10
24 7 5 5 5 10
25 7 6 5 5 10

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1, X2, X3 y X4
 Estadísticas de la regresión
Coeficiente de correlación múltiple 0.62942481
Coeficiente de determinación R^2 0.39617559
R^2 ajustado 0.27541071
Error típico 1.39004968
Observaciones 25

ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio de los F Valor crítico
libertad cuadrados cuadrados de F
Regresión 4 25.355238 6.3388095 3.280553 0.03196996
Residuos 20 38.644762 1.9322381
Total 24 64      

  Coeficientes Error típico Estadístico t Probabilidad

Intercepción 8.63878748 1.4986126 5.76452346 1.2186E-05
x1 0.31644036 0.14627779 2.1632837 0.04280438
x2 -0.4795727 0.15860334 -3.0237239 0.00670762
x3 -0.12835731 0.16105891 -0.79695874 0.4348346
x4 -0.07780902 0.13806238 -0.56357872 0.57930576
Inferior 95% Superior 95% Inferior 95.0% Superior
95.0%
5.51273638 11.7648386 5.51273638 11.7648386
0.01131024 0.62157048 0.01131024 0.62157048
-0.81041346 -0.14873194 -0.81041346 -0.14873194
-0.46432031 0.2076057 -0.46432031 0.2076057
-0.3658021 0.21018406 -0.3658021 0.21018406
VI. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple de la opinión general sobre la vida en la residencia

ŷ= b0 + b1X1 + b2X2
ŷ= 8.63878748 + (0.31644036) X1 + (-0.4795727) X2 +
(-0.12835731) X3 + (-0.07780902) X4
b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión
(Contribución individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y = Opinión general sobre la vida en la residencia

X1 = Satisfacci6n con los compañeros
X2 = Satisfacción con la plana
X3 = Satisfacción con los espacios deportivos
X4 = Satisfacción con el director de la residencia

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: Opinión general sobre la vida en la residencia
Variable Independiente:
X1: Satisfacci6n con los compañeros

FORMULACIÓN DE HIPÓTESIS
H0: La satisfacción con los compañeros no influye en la opinión general sobre la vida en la
residencia.
H1: La satisfacción con los compañeros si influye en la opinión general sobre la vida en la residencia.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció 8.63878748 1.4986126 5.76452346 1.2186E-05
n
x1 0.31644036 0.14627779 2.1632837 0.04280438
x2 -0.4795727 0.15860334 -3.0237239 0.00670762
x3 -0.12835731 0.16105891 -0.79695874 0.4348346
x4 -0.07780902 0.13806238 -0.56357872 0.57930576
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
ENTONCES COMO: “P valué”, 0.04280438 < 0.05
Se rechaza la H0: La satisfacci6n con los compañeros no influye en la opinión general sobre la vida en
la residencia.
Se acepta la H1: La satisfacci6n con los compañeros si influye en la opinión general sobre la vida en la
residencia.

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Opinión general sobre la vida en la residencia.
Variable Independiente:
X2: Satisfacción con la plana

FORMULACIÓN DE HIPÓTESIS
H0: La satisfacción con la plana no influye en la opinión general sobre la vida en la residencia.
H1: La satisfacción con la plana si influye en la opinión general sobre la vida en la residencia.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad
Intercepción 8.63878748 1.4986126 5.76452346 1.2186E-05
x1 0.31644036 0.14627779 2.1632837 0.04280438
x2 -0.4795727 0.15860334 -3.0237239 0.00670762
x3 -0.12835731 0.16105891 -0.79695874 0.4348346
x4 -0.07780902 0.13806238 -0.56357872 0.57930576
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.00670762 < 0.05

Se rechaza la H0: La satisfacción con la plana no influye en la opinión general sobre la vida en la
residencia.
Se acepta la H1: La satisfacción con la plana si influye en la opinión general sobre la vida en la
residencia
CONTRIBUCIÓN INDIVIDUAL X3
Variable Dependiente:
Y: Opinión general sobre la vida en la residencia.
Variable Independiente:
X3: Satisfacción con los espacios deportivos

FORMULACIÓN DE HIPÓTESIS
H0: La satisfacción con los espacios deportivos no influye en la opinión general sobre la vida en la
residencia.
H1: La satisfacción con los espacios deportivos si influye en la opinión general sobre la vida en la
residencia.

Verificamos el valor de P value

  Coeficiente Error típico Estadístico t Probabilida
s d
Intercepció 8.6387874 1.4986126 5.76452346 1.2186E-05
n 8
x1 0.3164403 0.1462777 2.1632837 0.04280438
6 9
x2 -0.4795727 0.1586033 -3.0237239 0.00670762
4
x3 - 0.1610589 -0.79695874 0.4348346
0.1283573 1
1
x4 - 0.1380623 -0.56357872 0.57930576
0.0778090 8
2
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.4348346 > 0.05

Se acepta la H0: La satisfacción con los espacios deportivos no influye en la opinión general sobre la
vida en la residencia.
Se rechaza la H1: La satisfacción con los espacios deportivos con la residencia si influye en la opinión
general sobre la vida en la residencia
CONTRIBUCIÓN INDIVIDUAL X4
Variable Dependiente:
Y: Opinión general sobre la vida en la residencia.
Variable Independiente:
X4: Satisfacción con el director de la residencia

FORMULACIÓN DE HIPÓTESIS
H0: La satisfacción con el director de la residencia no influye en la opinión general sobre la vida en la
residencia.
H1: La satisfacción con el director de la residencia si influye en la opinión general sobre la vida en la
residencia.

Verificamos el valor de P value

  Coeficient Error Estadístico t Probabilida
es típico d
Intercepció 8.6387874 1.4986126 5.76452346 1.2186E-05
n 8
x1 0.3164403 0.1462777 2.1632837 0.0428043
6 9 8
x2 - 0.1586033 -3.0237239 0.0067076
0.4795727 4 2
x3 - 0.1610589 -0.79695874 0.4348346
0.1283573 1
1
x4 - 0.1380623 -0.56357872 0.5793057
0.0778090 8 6
2
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.57930576 > 0.05

Se acepta la H0: La satisfacción con el director de la residencia no influye en la opinión general sobre
la vida en la residencia.
Se rechaza la H1: La satisfacción con el director de la residencia si influye en la opinión general sobre
la vida en la residencia.
 PX1 = 0.04280438 < 0.05, Se indica que la satisfacci6n con los compañeros (X1), si influye
en la opinión general sobre la vida en la residencia.

PX2 = 0.00670762 < 0.05, Se indica que la satisfacción con la plana (X2), si influye en el la
opinión general sobre la vida en la residencia.

PX3 = 0.4348346 < 0.05, Se indica que la satisfacción con los espacios deportivos (X3), no
influye en la opinión general sobre la vida en la residencia.

PX4 = 0.57930576 < 0.05, Se indica que la satisfacción con el director de la residencia (X4)
no influye en la opinión general sobre la vida en la residencia

c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P

de esta prueba?

Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio F Valor
de cuadrados de los crítico de F
liberta cuadrados
d
Regresió 4 25.35523 6.338809 3.280553 0.03196996
n 8 5
Residuos 20 38.64476 1.932238
2 1
Total 24 64      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué”, 0.03196996 < 0.05

El análisis de varianza nos indica que las variables satisfacción con los compañeros (X 1) y la
satisfacción con la plana (X2), tienen influencia significativa en la opinión general sobre la vida en la
residencia. Mientras que las variables, satisfacción con los espacios deportivos (X 3) y satisfacción
con el director de la residencia (X 4), no tienen influencia significativa en la opinión general sobre la
vida en la residencia.
(P= 0.03196996)
d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.62942481
Coeficiente de determinación R^2 0.39617559
R^2 ajustado 0.27541071
Error típico 1.39004968
Observaciones 25

R= 0.62942481, nos indica que hay una correlación directa positiva entre la opinión general sobre la
vida en la residencia, la satisfacci6n con los compañeros, satisfacción con la plana, la satisfacción
con los espacios deportivos y la satisfacción con el director de la residencia.

R2 % = 0.39617559, nos indica el 39.6% de la variabilidad de la opinión general sobre la vida en la

residencia, es como consecuencia de la satisfacción con los compañeros (X 1), satisfacción con la
plana (X2), Satisfacción con los espacios deportivos (X3) y satisfacción con el director de la residencia
(X4).

REFERENCIA WEB
http://biblio3.url.edu.gt/Libros/2012/esta-AE/13.pdf
3.-Basándose en las calificaciones obtenidas por 15 estudiantes en el primer examen de un curso de
estadística para los negocios, donde y = calificaci6n efectiva del estudiante en el examen X 1 = calificaci6n
esperada por el estudiante en el examen X 2 = calificaci6n media del estudiante y X 3 = horas semana1es
dedicadas a estudiar para el curso.

N°
Estudiante Y X1 X2 X3
s
1 14 16 1 7
2 16 16 1 8
3 16 16 1 8
4 14 16 1 7
5 14 16 1 7
6 14 16 1 7
7 15 17 1 7.5
8 16 18 1 8
9 15 18 2 7.5
10 16 18 2 8
11 17 19 2 8.5
12 15 19 2 7.5
13 16 19 2 8
14 16 20 2 8
15 16 20 2 8

A continuación, aparece la salida de “EXCEL” por ajuste del modelo de regresión múltiple con
pronosticadores X1, X2, X3 y X4
 Estadísticas de la regresión
Coeficiente de correlación múltiple 1
Coeficiente de determinación R^2 1
R^2 ajustado 1
Error típico 2.1226E-16
Observaciones 15

ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio de F Valor crítico
libertad cuadrados los cuadrados de F
Regresió 3 13.3333333 4.44444444 9.8646E+31 3.86E-173
n
Residuos 11 4.956E-31 4.5054E-32
Total 14 13.3333333      

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció -1.7764E-15 1.2077E-15 -1.47081074 0.16936073
n
X1 -7.6613E-17 8.1975E-17 -0.93458243 0.37006612
X2 2.4481E-17 2.2716E-16 0.10777064 0.91611823
X3 2 1.4748E-16 1.3561E+16 4.403E-173
Inferior 95% Superior 95% Inferior 95.0% Superior
95.0%
-4.4346E-15 8.8186E-16 -4.4346E-15 8.8186E-16
-2.5704E-16 1.0381E-16 -2.5704E-16 1.0381E-16
-4.755E-16 5.2446E-16 -4.755E-16 5.2446E-16
2 2 2 2
VII. FASE ANALÍTICA

a) La ecuación de regresión lineal múltiple de la calificaci6n efectiva del estudiante en el examen:

ŷ= b0 + b1X1 + b2X2
ŷ= (-0.0000000000000001776) + (-0.0000000000000000076613) X1 +
(0.000000000000000024481) X2 + (2) X3
b) Utilice la prueba t para evaluar la contribución al modelo de cada variable de regresión (Contribución
individual). Si se emplea α=0.05, Que conclusiones se puede obtener?

Y = Calificaci6n efectiva del estudiante en el examen

X1= Calificaci6n esperada por el estudiante en el examen
X2= Califieaci6n media del estudiante
X3= Horas semanales dedicadas a estudiar para el curso

CONTRIBUCIÓN INDIVIDUAL X1
Variable Dependiente:
Y: Calificaci6n efectiva del estudiante en el examen
Variable Independiente:
X1: Calificaci6n esperada por el estudiante en el examen

FORMULACIÓN DE HIPÓTESIS
H0: La calificaci6n efectiva del estudiante en el examen no influye en la calificaci6n esperada por el
estudiante en el examen.
H1: La calificaci6n efectiva del estudiante en el examen si influye en la calificaci6n esperada por el
estudiante en el examen.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció -1.7764E-15 1.2077E-15 -1.47081074 0.16936073
n
X1 -7.6613E-17 8.1975E-17 -0.93458243 0.37006612
X2 2.4481E-17 2.2716E-16 0.10777064 0.91611823
X3 2 1.4748E-16 1.3561E+16 4.403E-173
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0
ENTONCES COMO: “P valué” = 0.37006612 > 0.05
Se acepta la H0: La calificaci6n efectiva del estudiante en el examen no influye en la calificaci6n
esperada por el estudiante en el examen.
Se rechaza la H1: La calificaci6n efectiva del estudiante en el examen si influye en la calificaci6n
esperada por el estudiante en el examen.

CONTRIBUCIÓN INDIVIDUAL X2
Variable Dependiente:
Y: Calificaci6n efectiva del estudiante en el examen
Variable Independiente:
X2: Calificaci6n media del estudiante

FORMULACIÓN DE HIPÓTESIS
H0: La calificaci6n media del estudiante no influye en la calificaci6n efectiva del estudiante en el
examen.
H1: La calificaci6n media del estudiante si influye en la calificaci6n efectiva del estudiante en el
examen.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilidad

Intercepció -1.7764E- 1.2077E-15 -1.47081074 0.16936073
n 15
X1 -7.6613E- 8.1975E-17 -0.93458243 0.37006612
17
X2 2.4481E-17 2.2716E-16 0.10777064 0.91611823
X3 2 1.4748E-16 1.3561E+16 4.403E-173
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.91611823 < 0.05

Se acepta la H0: La calificaci6n media del estudiante no influye en la calificaci6n efectiva del
estudiante en el examen.
Se rechaza la H1: La calificaci6n media del estudiante si influye en la calificaci6n efectiva del
CONTRIBUCIÓN INDIVIDUAL X3
Variable Dependiente:
Y: Calificaci6n efectiva del estudiante en el examen
Variable Independiente:
X3: Horas semanales dedicadas a estudiar para el curso

FORMULACIÓN DE HIPÓTESIS
H0: Las horas semanales dedicadas a estudiar para el curso, no influye en la calificaci6n efectiva
del estudiante en el examen.
H1: Las horas semanales dedicadas a estudiar para el curso, si influye en la calificaci6n efectiva del
estudiante en el examen.

Verificamos el valor de P value

  Coeficientes Error típico Estadístico t Probabilida
d
Intercepció -1.7764E-15 1.2077E-15 - 0.16936073
n 1.47081074
X1 -7.6613E-17 8.1975E-17 - 0.37006612
0.93458243
X2 2.4481E-17 2.2716E-16 0.10777064 0.91611823
X3 2 1.4748E-16 1.3561E+16 4.403E-173
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.0000000000000000Ô4403 < 0.05

Se rechaza la H0: La satisfacción con los espacios deportivos no influye en la opinión general sobre
la vida en la residencia.
Se acepta la H1: La satisfacción con los espacios deportivos con la residencia si influye en la opinión
general sobre la vida en la residencia

PX1 = 0.37006612 > 0.05, Calificaci6n esperada por el estudiante en el examen (X1), n
influye en la calificaci6n efectiva del estudiante en el examen.
PX2 = 0.91611823 < 0.05, Se indica que la Calificaci6n media del estudiante (X2), n
influye en la calificaci6n efectiva del estudiante en el examen.

PX3 = 000000000000000004403 < 0.05, Se indica que las Horas semanales dedicadas
estudiar para el curso (X3), si influye en la calificaci6n efectiva del estudiante en
examen.
c) Pruebe la significancia de la regresión (Contribución conjunta) utilizando α=0.05; ¿Cuál es el valor P
de esta prueba?

Interpretar el cuadro ANVA (Verificamos el valor de P Value)

ANÁLISIS DE VARIANZA
  Grados Suma de Promedio de F Valor
de cuadrados los crítico de F
libertad cuadrados
Regresió 3 13.3333333 4.44444444 9.8646E+31 3.86E-173
n
Residuos 11 4.956E-31 4.5054E-32
Total 14 13.3333333      
Tener en cuenta: Si “P valué” es < que α=0.05, se rechaza la H0

ENTONCES COMO: “P valué” = 0.000000000000000Ô386 < 0.05

El análisis de varianza nos indica que las variables calificaci6n esperada por el estudiante en el
examen (X1) y califieaci6n media del estudiante (X2), no tienen influencia significativa en la
calificaci6n efectiva del estudiante en el examen. Mientras que la variable, Horas semanales
dedicadas a estudiar para el curso (X 3), si tienen influencia significativa Calificaci6n efectiva del
estudiante en el examen.
(P= 0.000000000000000Ô386)

d) Calcule e interprete R y R2

Estadísticas de la regresión
Coeficiente de correlación múltiple 1
Coeficiente de determinación R^2 1
R^2 ajustado 1
Error típico 2.1226E-16
Observaciones 15
R= 1, nos indica que hay una correlación perfecta positiva entre la Calificaci6n efectiva del estudiante
en el examen, Calificaci6n esperada por el estudiante en el examen, Califieaci6n media del
estudiante y las horas semanales dedicadas a estudiar para el curso.

R2 % = 1, nos indica el 100% de la variabilidad de la Calificaci6n efectiva del estudiante en el examen,

es como consecuencia de la variabilidad de la calificaci6n esperada por el estudiante en el examen
(X1), la calificaci6n media del estudiante (X 2) y las horas semanales dedicadas a estudiar para el curso
(X3).

REFERENCIA WEB
http://biblio3.url.edu.gt/Libros/2012/esta-AE/13.pdf