Material de trabajo (Estadística Aplicada)

Práctica de Estadística Aplicada – Semana 10

TEMA: REGRESIÓN LINEAL MÚLTIPLE

Apellidos : ………………………..……………….
Sección : ………………………..………………...
Nombres : …………………………………………….
Fecha : .…../……/2021 Duración: 45 minutos
Docente : Escribir el nombre del docente
Tipo de Práctica: Individual ( ) Grupal (X)

Instrucciones: Responda a cada una de las preguntas de acuerdo a lo solicitado

1. Se cree que la energía eléctrica consumida

(Kwx100) cada mes por una planta Metalúrgica
está relacionada con la temperatura (°F) ambiente 3 8 2 8 9
promedio (x1), el número de días trabajados en el 0 0 5 7 7
mes (x2), la pureza (%) promedio del producto (x3) 0
y las toneladas producidas (x4). Los datos
históricos del año pasado están disponibles y se 2 8 2 8 9
presentan en la Tabla: 9 4 5 6 6
6
Realice el análisis de regresión completo y ajuste
un modelo de regresión lineal múltiple a estos
2 7 2 8 1
datos. Interprete la bondad de ajuste. Con el mejor
6 5 4 8 1
modelo predecir el consumo de energía durante un 7 0
mes en el que x1 = 75 ° F, x2 = 24 días, x3 = 90% y
x4 = 98 toneladas. 2 6 2 9 1
Escriba las interpretaciones pertinentes. 7 0 5 1 0
6 5
y x x x x
1 2 3 4
2 5 2 9 1
8 0 5 0 0
8 0
2 2 2 9 1
4 5 4 1 0
0 0 2 3 2 8 9
6 8 3 9 8
2 3 2 9 9 1
3 1 1 0 5
6
2. Un artículo en Technometrics (1974, Vol. 16, págs.
523-531) consideró los siguientes datos de pérdida
2 4 2 8 1
7 5 4 8 1 de pila de una planta que oxidaba amoníaco a ácido
0 0 nítrico. Veintiún respuestas diarias de pérdida de
pila (la cantidad de amoníaco que escapa) se
2 6 2 8 8 midieron con el flujo de aire, la temperatura y la
7 0 5 7 8 concentración de ácido.
4 Realice el análisis de regresión completo y ajuste
un modelo de regresión lineal múltiple a estos
3 6 2 9 9 datos. Interprete la bondad de ajuste. Con el mejor
0 5 5 1 4 modelo predecir la pérdida de pila cuando x1 = 60,
1
x2 = 26 y x3 = 85
Escriba las interpretaciones pertinentes.
3 7 2 9 9
1 2 6 4 9 Pérdida Concentrac
6 Flujo de Temperat
 Material de trabajo (Estadística Aplicada)

de ión 9.3 5.2 18.8 30.6 84.5 2.1 2.1

aire ura
pila de ácido
9.3 5.6 20.4 32.4 88.8 2.2 1.9
42 80 27 89 9.5 6 19 32.6 85.7 2.1 1.9
9.8 5.2 20.8 32.2 93.6 2.3 2.1
37 80 27 88
10 5.8 19.9 31.8 86 2.1 1.8
37 75 25 90 10.3 6.4 18 32.6 87.1 2 1.6
10.5 6 20.6 33.4 93.1 2.1 2.1
28 62 24 87 10.8 6.2 20.2 31.8 83.4 2.2 2.1

18 62 22 87 11 6.2 20.2 32.4 94.5 2.1 1.9

11.3 6.2 19.2 31.4 83.4 1.9 1.8
18 62 23 87
4. Desarrollar un modelo de regresión lineal múltiple
19 62 24 93 donde la variable respuesta es Profit del dataset
“50_Startups.csv”, utilice solo las variables
20 62 24 93
cualitativas referidas a los gastos R&D Spend,
15 58 23 87 Administration y Markeying Spend. Indique las
características del modelo generado: Análisis de
14 58 18 80 multicolinealidad, matriz de correlación, modelado,
bondad de ajuste, intervalos de confianza y análisis
14 58 18 89 de residuales.

13 58 17 88 5. Desarrollar un modelo de regresión lineal múltiple

donde la variable respuesta es sepal length del
11 58 18 82 dataset “IRIS”, utilice solo las variables
cualitativas referidas a sepal width, petal length y
3. La resistencia al desprendimiento de un alambre petal width.
adherido es una característica importante. En la Indique las características del modelo generado:
tabla siguiente se ofrece información sobre la Análisis de multicolinealidad, matriz de
resistencia al desprendimiento (y), la altura de la correlación, modelado, bondad de ajuste, intervalos
matriz (x1), la altura del poste (x2), altura del de confianza y análisis de residuales.
amarre (x.3), longitud del alambre (x4), anchura del
amarre en la matriz (x5) y anchura del amarre en el
poste (x6).
Realice el análisis de regresión completo y ajuste
un modelo de regresión lineal múltiple a estos
datos.

Interprete la bondad de ajuste. Con el mejor modelo

predecir la resistencia al desprendimiento cuando
x2· = 20, x3 = 30, x4 = 90 y x5 = 2.0.
Escriba las interpretaciones pertinentes.

y x1 x2 x3 x4 x5 x6
8 5.2 19.6 29.6 94.9 2.1 2.3
8.3 5.2 19.8 32.4 89.7 2.1 1.8
8.5 5.8 19.6 31 96.2 2 2
8.8 6.4 19.4 32.4 95.6 2.2 2.1
9 5.8 18.6 28.6 86.5 2 1.8