Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Descripción de la actividad
Para la presente actividad, el estudiante deberá analizar las conjeturas propuestas en los ejercicios
planteados en esta actividad. La principal guía serán los ejercicios contenidos en el compendio de la
unidad 2 de la asignatura, la clase magistral y las clases semanales de la unidad.
Para resolver el ejercicio, recuerde que el uso del Software R y/o Rstudio serán de vital importancia al
momento de procesar los datos y en base a dichos resultados se pueden llegar a su análisis.
Objetivos
El trabajo tiene el objetivo de aplicar los conocimientos técnicos adquiridos en la asignatura respecto
a la Correlación, Regresión Simple y Múltiple.
Se pide:
a) Cargue la data frame con nombre Existencias que almacene los datos.
12
10
0
0 2 4 6 8 10
d) ¿Son significativos estos parámetros? ¿Qué puede decirse del ajuste del
modelo a los datos?
Por defecto, la salida que muestra la función lm incluye únicamente las estimaciones
para los parámetros, en nuestro caso 𝛽̂0 𝑦 𝛽̂1 . Por tanto, el modelo lineal puede
escribirse del siguiente modo:𝑝𝑟𝑜𝑑𝑖 = 5.0435 + 0.2609𝑚𝑒𝑟𝑐𝑖
Estos dos parámetros pueden interpretarse del siguiente modo: 5.0435 es el valor de
prod para un mer de 0, lo cual no tiene sentido.
Puesto que el p-valor del contraste es de 0.2225, por lo tanto, mayor que 0.05,
podemos concluir que la correlación no es significativa.
f) ¿Cuál es la recta de regresión lineal si se considera también como
variable independiente a Volumen?
Se pide:
En la salida del modelo de regresión múltiple encontramos los dos valores que nos
piden en este apartado. Por un lado, el coeficiente de determinación toma el valor
0.03243.
En nuestro caso, con un valor cercano a 0.03 concluimos que el ajuste de los datos al
modelo es malo ya que este no se acerca a uno.
Resultados y Análisis
Se pide:
Considerando un nivel de significación del 5%, vemos que tanto el parámetro asociado
a la variable superficie como el asociado a la variable antigüedad pueden suponerse
iguales a 0, pues sus p-valores son mayores que 0.05. Por ello, ambas variables
podrían eliminarse del modelo, pues no están relacionadas linealmente con la variable
dependiente. Entonces, se debería ajustar un nuevo modelo sin considerar estas dos
variables. Ello nos lleva a rechazar la hipótesis nula del contraste correspondiente y a
concluir la significación de ambos parámetros
Resultados y Análisis