EJEMPLOS DE REGRESIÓN LINEAL MULTIPLE

Desarrollo:
Ho: Bo=0 Ho: Bi=0
Hi: Bo=/0 Hi: Bi=/0

Análisis: De lo anterior se puede decir que el coeficiente del intercepto Bo es diferente de 0

por lo que resultó significativo (Pv<alfa:0.05) y debe estar dentro del modelo. Asimismo,
las variables independientes temperatura y velocidad del catalizador son significativas y su
aporte afecta la variable dependiente por lo cual deben estar dentro del modelo.
 Residual estándar error: En promedio, cualquier predicción del modelo se aleja
16.36 unidades del verdadero valor. Teniendo en cuenta que el valor promedio de
la variable de respuesta viscosidad es de ----
 R^2: El predictor temperatura y velocidad del catalizador, son capaces de explicar
el 92.7% de la variabilidad observada en la viscosidad.
 Intercept(Bo): El valor promedio de viscosidad cuando la temperatura y el
catalizador es 0, es de 1566.0778
  Predictor temperatura(B1): Por cada valor que se incrementa en el predictor
temperatura, la viscosidad aumenta 7.6213
 Predictor velocidad catalizador (B2): Por cada valor que se incrementa en el
predictor velocidad catalizador, la viscosidad aumenta 8.5813

Según lo anterior, obtenemos la siguiente gráfica de regresión multiple:

Análisis: Se observa que presenta una pendiente positiva y los coeficientes se ajustan a la
recta, por lo que se cumple con el supuesto de linealidad.

 Prueba de normalidad:
Ho: Los datos se ajustan a una distribución normal
H1: Los datos no se ajustan a una distribución normal

Conclusión: Pv>0.05 Por lo que acepta Ho, los datos siguen una distribución normal.

 Supuesto de independencia

Se cumple con el supuesto de independencia.