Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En el ejercicio 18, los datos sobre el promedio obtenido en la licenciatura y los sueldos mensuales fuero
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.86363491607
Coeficiente de determinación R^2 0.74586526825
R^2 ajustado 0.68233158532
Error típico 145.889628774
Observaciones 6
ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados
Promedio de los cuadrados
Regresión (SCR) 1 249864.864864865 249864.865
Residuos (SCE) 4 85135.1351351351 21283.7838
Total 5 335000
Promedio
2.6
2.9
3.2
3.4
3.5
3.6
Coverianza
Varianza Promedio
Varianza Sueldo
y barra
581.08
1790.5
a) ¿La prueba t indica que hay una relación significativa entre el promedio y el sueldo mensual? ¿Cuál es su conclusión?
86
0.148 STC 249863.947
67000 SEC 249863.947
3650 SRC 79935000
3.9
4056.712
F Valor crítico de F
11.739682539683 0.02662527007
Superior 95.0%
3306.3596723532
1051.9474260916
Sueldo mensual
13322500 4200
13322500
13322500 4000
13322500
3800 f(x) = 581.081081081081 x + 1790.54054054054
13322500 R² = 0.745865268253328
13322500
3600
3400
3200
3000
2.5 2.7 2.9 3.1 3.3 3.5 3.7
En el ejercicio 18, con los datos sobre los promedios de calificaciones x y los sueldos mensuales y se obtuvo la
alfa 0.05
z 1.9599639845401
os sueldos mensuales y se obtuvo la ecuación de regresión estimada yˆ 1 790.5 581.1x.
a) Proporcione un intervalo de 95% de confianza para el sueldo medio inicial de todos los estudiantes cuyo promedio fue
Media 3.2
Desv. Est. 0.38470768 145.889639 0.16666667 0.04
Confianza 95% 0.74
Muestra 6
alfa/2 0.025 145.889639 0.16666667 0.05405405
n-2 4
145.889639 0.22072072
145.889639 0.46980924
s 145.889639
68.5403001
t 0.025 2.776
tα/2syˆ p 190.267873
^y 581.08 3
1790.5 3533.74
3343.47
estim 3533.74
3724.01
b) Desarrolle un intervalo de 95% de predicción para el sueldo medio inicial de Joe Heller, un estudiante cuyo
145.889639 1.22072072
145.889639 1.10486231
Sind 146.994501
t 0.025 2.776
tα/2syˆ p 408.056735
^y 581.08 3
1790.5 3533.74
3125.68
estim 3533.74
3941.80
diantes cuyo promedio fue 3.0.
S 8.4572136
de agua por cada 15 minutos que corran. Aunque las botellas de plástico son una buena alternativa para la mayoría de los corredores,
a) Con estos datos obtenga una ecuación de regresión estimada que pueda ser utilizada para predecir el precio de un sis
Resumen
Chart Title
70
Estadísticas de la regresión
60 f(x) = 2.93700532284193 x + 4.97852348993288
Coeficiente de co0.898213626155 50 R² = 0.806787718209892
Coeficiente de d 0.80678771821 40
R^2 ajustado 0.798737206469 30
Error típico 8.457213603198 20
10
Observaciones 26
0
0 5 10 15 20 25
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión (SCR) 1 7167.874452139 7167.87445214 100.21570604954 4.8131548461E-10
Residuos (SCE) 24 1716.587086323 71.5244619301
Total 25 8884.461538462
Prueba F para varianzas de dos muestras Prueba t para dos muestras suponiendo varianzas de
Probabilidad
Intercepción 0.153768507892
Peso 4.81315485E-10
d) Suponga que la ecuación de regresión estimada obtenida en el inciso a) también puede aplicarse a sistemas de hidrat
8.4572136032 0.038463318676
8.4572136032 0.19612067376
1.65863442999
t 0.025 2.064
tα/2syˆ p 3.423421463509
^y 2.937005322842 10
4.978523489933 34.34857671835
30.93
estim 34.35
37.77
e) Suponga que la ecuación de regresión estimada obtenida en el inciso a) también puede usarse para sistemas de hidra
8.457213603198 1.038463318676
8.457213603198 1.019050204198
Sind 9.476263807396
t 0.025 2.064
tα/2syˆ p 19.55900849846
^y 2.937005322842 10
4.978523489933 34.34857671835
14.79
estim 34.35
53.91
ayoría de los corredores, cuando se corre todo un día a campo traviesa se requieren sistemas de hidratación que se lleven en la cintur
Precio
34.461538462
355.37846154
26
arse a sistemas de hidratación fabricados por otras empresas. Obtenga un intervalo de confianza de 95% para estimar el precio de t
se para sistemas de hidratación producidos por otras empresas. Obtenga un intervalo de predicción de 95% para estimar el precio de
ción que se lleven en la cintura o sobre la espalda. Además de agua, estos sistemas permiten llevar también alimento o ropa. Por supu
5% para estimar el precio de todos los sistemas de hidratación que pesan 10 onzas
95% para estimar el precio del sistema Back Draft creado por Eastern Mountain Sports y que pesa 10 onzas.
n alimento o ropa. Por supuesto, a medida que aumenta la capacidad de estos sistemas, aumenta también su peso y precio. En la lista
n su peso y precio. En la lista siguiente se proporciona el peso (Weight) en onzas y el precio (Price) de 26 modelos (Model) de sistemas
odelos (Model) de sistemas de hidratación (Trail Runner Gear Guide, 2003).
47. A continuación se presentan datos sobre los gastos en publicidad y los ingresos (en miles de dólares) de
a) Sea x igual a gastos en publicidad y y igual a ingresos. Utilice el método de mínimos cuadrad
b) Empleando como nivel de significancia 0.05, pruebe si los ingresos y los gastos en publicida
d) ¿Qué conclusiones se pueden formular del análisis de residuales? ¿Se puede aplicar este mo
Se observa una distribución tipo nube dispersa con limites definidos, la varianza no es constante
os ingresos (en miles de dólares) del restaurante Four Seasons.
lice el método de mínimos cuadrados para obtener una recta que aproxime la relación entre las dos variables.
X^2 ƩX*Y -
1 b1=
4
16 ƩX^2 -
36
100
196 2841 -
400 b1=
753
753 -
b1= 2841 -
753 -
b1= 447
288.857143
b1= 1.54747774
Y-Y^ y= 29.3991098 +
-11.9465875
-0.49406528
8.41097923
1.31602374 Y-Y^
7.12611276
10
1.93620178
-6.34866469
5
0
0 5 10 15 20
-5
-10
-15
siduales? ¿Se puede aplicar este modelo o se debe buscar uno mejor?
efinidos, la varianza no es constante, no se observa correlación, es decir no está relacionado consigo mismo, tampoco se observa relac
as dos variables.
ƩX ƩY
n b0= promY -
(ƩX)^2 b0= 42 -
n
b0= 42 -
57 294
7 b0= 29.3991098
3249
7 y= b0+b1(x)
2394 y= 29.3991098 +
464.142857142857
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.83086814
Coeficiente de determinación R^2 0.69034187
R^2 ajustado 0.62841024
Error típico 7.87753068
Observaciones 7
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 691.722552 691.722552 11.146839 0.02058205
Residuos 5 310.277448 62.0554896
Total 6 1002
1.54747774480712 (X)
Y^
15 20 25
sigo mismo, tampoco se observa relación con variables explicativas; por ende si se puede utilizar el modelo obtenido.
b0 * promX
1.54747774 8.14285714
12.6008902
1.54747774 (X)
or crítico de F
Superior 95%Inferior 95.0%
Superior 95.0%
41.7565481 17.0416715 41.7565481
2.73893916 0.35601633 2.73893916
52. Los datos siguientes muestran los gastos en medios (Media Expenditures) en millones de $ y los embarques
X^2 ƩX*Y - ƩX ƩY
14400 b1= n
4719.69
10020.01 ƩX^2 - (ƩX)^2
5867.56 n
75.69
0.01 8608.64 - 404.1 119.9
462.25 b1= 10
1.96 35578.15 - 163296.81
28.09 10
2.89
35578.15
b1= 8608.64 - 4845.159
35578.15 - 16329.681
b1= 3763.481
19248.469
b1= 0.19552106
Y-Y^
8.74847909 Y-Y^
3.1787093 10
-7.76065188
8
-5.86590704
6
4
2
0
0 f(x) = 9.63000414170167E-17
20 40x − 2.82567057002149E-15
60 80 100 120 140
Y-Y^
10
8
6
2.30997271
4
2.9914538
-2.69269682 2
0.03727642 0
0 f(x) = 9.63000414170167E-17
20 40x − 2.82567057002149E-15
60 80 100 120 140
-0.8252557 -2 R² = 0
-0.12137989 -4
1.06581E-14 -6
-8
-10
b0= promY - b0 * promX
b0= 4.0889941
y= b0+b1(x)
0 120 140
0 120 140