Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
1. Regresión lineal simple y multiple - Actualizado los links
1. Regresión lineal simple - video de repaso link: https://www.youtube.com/watch?v=6VS-_JGPUlk
2. Regresión lineal simple y coeficiente de correlación y ANOVA- video de repaso link: https:
//www.youtube.com/watch?v=eJggR8hiGT4
3. Regresión lineal multiple - video de repaso link: https://www.youtube.com/watch?v=OG6wuDIbiOs
4. Regresión lineal multiple y ANOVA- video de repaso link: https://www.youtube.com/watch?
v=OG6wuDIbiOs
2. Ejercicios resueltos
1. Se cuenta con información de una muestra de 5 fondos de inversión, respecto a su rentabilidad
porcentual para un periodo de doce meses y el activo total (en millones de dolares)Los datos se
presentan en la siguiente tabla
Activo(millones ) 10 12 20 18 25
Rentabilidad( %) 15 18 22 21 25
a) Identifique las variables de Interés y clasifique cada uno de ellos ¿Cómo se relacionan ambas
variables?
b) Estime el modelo de Regresión lineal simple
c) Encontrar un intervalo de confianza para el valor medio a un 95 % para la inversion en
activos de 50 millones de dolares, si se conoce SC = 148 y CM E = 1,76
2
SOLU CION
a)
variable − independiente : Activo(millones)
Las − variables − interes =
variable − dependiente : Rentabilidad
PASO-2
Modelo lineal
Y = βˆ0 + βˆ1 X
P P P
(n)( XY ) − ( Y )( X)
βˆ1 = P 2 P 2
(n)( X ) − ( X)
(5)(1809) − (101)(85)
βˆ1 = = 0,62162 =⇒ βˆ1 = 0,62162
(5)(1593) − (85)2
⇒ βˆ1 = 0,62162
PASO-3
La constante
Y )−(βˆ1 )( X)
P P
(
βˆ0 = n
(101) − (0,62162)(85)
βˆ0 = = 9,632 =⇒ βˆ0 = 9,632
5
⇒ βˆ0 = 9,632
3
c) Cuánto en Promedio sera la rentabilidad con la inversión en activos de 50 millones de
dolares
Rentabilidad = 40,713
Ŷ = 40,713
SC = 148
CM E = 1,46
x0 = 50
X̄ = 17
n=5
t(1− 0,05 ,5−2) = 3,182
2
Reemplazamos
r
1 (50 − 17)2
40,713 ± 3,182 ∗ 1,46( + )
5 148
2. Con los datos anteriores del modelo estimado, se cuenta con información de una muestra de 5
fondos de inversión, respecto a su rentabilidad porcentual para un periodo de doce meses y el
activo total (en millones de dolares)Los datos se presentan en la siguiente tabla
Activo(millones ) 10 12 20 18 25
Rentabilidad( %) 15 18 22 21 25
a) Obtenga el coeficiente de correlación e interprete
b) Obtenga el coeficiente de determinación e interprete
4
c) Pruebe con α = 5 % si el modelo es significativo (ANOVA)
SOLU CION
a)
Con la inf ormacion de la tabla de resumen P aso 2
El Coeficiente de correlación
P P P
(n)( XY ) − ( Y )( X)
r=p p
(n)( X 2 ) − ( X)2 ∗ (n)( Y 2 ) − ( Y )2
P P P P
(5)(1809) − (101)(85)
r=p p
(5)(1593) − (85)2 ∗ (5)(2099) − (101)2
r = 0,9862
Solución
r = 0,9862
Se confirma la relación lineal entre los activos y la rentabilidad con un coeficiente de corre-
lación de 0.9862, evidencia la relación lineal positiva intensa entre dichas variables. Por lo
tanto, se concluye una relación directa fuerte entre los activos y la rentabilidad
b) Con el coeficiente de correlación del ejercicio anterior
El Coeficiente de determi-
nación
r2 = R2 =⇒ caso − M RLS
Solución
R2 = 97,26 %
Hipótesis
H0 : β1 = 0
Hipótesis =
H1 : β1 6= 0
5
Fuente de variación GL SC CM Fc Ftab
Regresión k-1=1 57.189 57.189 106.51 10.13
Residuales n-k=3 1.611 0.537
57,189
F − calculado : 0,537 = 106,51
Inf erencia =
F − de − la − tabla : Ftab = F (1 − α, 1, 3) = 10,13
α = 0,05
Decisión
F c > Ftab =⇒ Rechazamos la hipótesis nula
Interpretacion
El modelo en su conjunto es estadisticamente significativo, pues existe suficiente evi-
dencia para rechazar la hipótesis nula β = 0, se confirma la existencia de una relación
lineal entre las dos variables sujetos de análisis
Y Tamaño Distancia
360 2 1
1000 6 1
450 3 2
525 4 3
350 2 10
300 1 4
a) Estime el modelo de Regresión lineal Multiple(EN LA PC SE UTILIZARA LA FORMA
ALTERNATIVA CON EXCEL)
b) Interpretar cada uno de los coeficientes
SOLU CION
a) Resolviendo el sistema de ecuaciones matricialmente del ejercicio desarrollado en la https:
//canvas.utp.edu.pe/courses/282195/files/87683455?module_item_id=30029403
6b0 + 18b1 + 21b2 = 2985
Sistema = 18b0 + 70b1 + 50b2 = 11170
21b0 + 50b1 + 131b2 = 8535
1) Representación matricial
6 18 21 b0 2985
18 70 50 . b1 = 11170
21 50 131 b2 8535
6
2) Definimos las matrices
6 18 21
A = 18 70 50
21 50 131
2985 18 21
A0 = 11170 70 50
8535 50 131
6 2985 21
A1 = 18 11170 50
21 8535 131
6 18 2985
A2 = 18 70 11170
21 50 8535
6 18 21
70 50 18 50 18 70
A = 18 70 50 = 6
− 18 + 21
50 131 21 131 21 50
21 50 131
A=6[(70)(131)-(50)(50)]-18[(18)(131)-(50)(21)]+21[(18)(50)-(21)(70)]=4506
A = 4506
2985 18 21
70 50 11170 50 11170 70
A0 = 11170 70 50 = 2985
−18 +21
50 131 8535 131 8535 50
8535 50 131
A0 = 434640
6 2985 21
11170 50 18 50 18 11170
A1 = 18 11170 50 = 6
− 2985 + 21
8535 131 21 131 21 8535
21 8535 131
7
A1 = 6[(11170)(131) − (50)(8535)] − 2985[(18)(131) − (50)(21)] + 21[(18)(8535) −
(21)(11170)] = 615000
A1 = 615000
6 18 2985
70 11170 18 11170 18 70
A2 = 18 70 11170 = 6
− 18 + 2985
50 8535 21 8535 21 50
21 50 8535
A2 = −10830
434640
β0 = = 96,46
4506
615000
β1 = = 136,48
4506
−10830
β2 = = −2,403
4506
Modelo lineal
b) La interpretación es
β0 =La renta esperada(promedio), cuando el tamaño del departamento y la distancia
al centro de la ciudad toman el valor de cero será de 96.481 soles
β1 = Por cada incremento de una habitación, la renta esperada(promedio) se incremen-
tará en 136.485 soles manteniendo constante la distancia al centro de la ciudad.
β2 =Por cada incremento de una unidad de distancia al centro de la ciudad, la renta
esperada (promedio) disminuirá en -2,401 soles manteniendo constante el número de
habitación
8
Complete el cuadro y responda, segun la tabla ANOVA
SOLU CION
Hipótesis
H0 : β1 = β2 = 0
Hipótesis =
H1 : βi 6= 0 ; ∀i = 1, 2
AN OV A
Fuente de variación GL SC CM Fc Ftab
Regresión k-1=2 8703.42244 4351.71122 17.1798217 9.55
Residuales n-k=3 759.9108936 253.3036312
Para encontrar el FT ab utilice el link https://canvas.utp.edu.pe/courses/282195/files/
92194223?module_item_id=35839697
4351,71122
Fc : 253,3036312 = 17,1798217
Inf erencia =
FT ab : Ftab = F (1 − α, 2, 3) = 9,55
α = 0,05
Decisión
F c > Ftab =⇒ Rechazamos la hipótesis nula
Interpretación
El modelo en su conjunto es estadisticamente significativo, pues existe suficiente evidencia
para rechazar la hipótesis nula H0 , Por lo menos uno de los coeficientes es distinto de cero,
la causalidad no es generada por el azar