RÚBRICA DE REPORTE

Nombre: Matrícula:
Angelica Nahomi García Valle. 3001291.
Laura Helena Israde García. 2904445.
María del Rosario Vargas Guadarrama. 3008826.
Daniel Bravo Rojas. 3010422.
Mauricio Tovar Salgado. 2902969.
Jhonnatan Alain Castillo Carraro. 3016013.
Ángel Arturo Álvarez Vera. 2904445.
Nombre del curso: Estadística y Nombre del profesor:
pronósticos para la toma de decisiones. José de la Luz Suárez Acosta.
Módulo: 3. Regresión lineal múltiple. Actividad: Actividad 6.
Fecha: 14 de noviembre de 2022.
Bibliografía:
 Hanke, J. y Wichern, D. (2010). Pronósticos en los negocios (9a ed.).
México: Pearson Educación.

Nota: En esta parte entra o se incluye el reporte de cada actividad, incluyendo los
procedimientos aplicados, imágenes, gráficas, etc.

1. Reúnanse en equipos de 2 personas y revisen la siguiente información nutricional de

las ensaladas. Enseguida se presentan las siguientes variables que se registraron en
diferentes tipos de ensaladas. Las variables son:

Enseguida se presentan las variables que se registraron en diferentes tipos de

ensaladas. Las variables son éstas:

a. Y: Calorías
b. X1: Grasa (g)
c. X2:Carbohidratos (g)
d. X3: Proteínas (g)

Ensalada Grasa (g) Carbohidratos (g) Proteínas (g) Calorías

(porciones Y
de 100 g)
César 14.7 6.52 5.03 170
Atún 11.02 6.96 14.27 184
Atún con Queso 14.72 6.87 14.44 217
Atún con huevo 12.93 6.96 13.71 196
Macarrones o pasta 10.63 22.98 3.76 202
Macarrones u otra pasta con 13.34 15.00 10.11 221
pollo
Macarrones u otra pasta con 9.14 19.49 7.07 18.9
 RÚBRICA DE REPORTE
atún
Ensalada de huevo 30.26 1.93 9.20 318
Ensalada de papas 8.20 11.17 2.68 143
Ensalada de papas con huevo 7.05 15.96 2.77 136
Ensalada de papas estilo alemán 1.24 16.66 2.52 88

Estos datos se deben ingresar a Excel o Minitab y llevar a cabo lo siguiente:

a. Estima e interpreta en el contexto del problema los coeficientes de la ecuación de

regresión múltiple.
 RÚBRICA DE REPORTE

Ecuación de regresión múltiple:

Y=82.3552+7.6190X1-1.0457X2+1.2784X3

Interpretación de la ecuación de regresión:

A la hora de interpretar la ecuación podemos darnos cuenta de que por cada

incremento de un gramo en la grasa nuestras calorías aumentan 7.61 cuando
nuestras variables carbohidratos y proteínas se mantienen constantes, por cada
gramo aumentado en carbohidratos nuestras calorías disminuirán en promedio de
1.045 gramos cuando las demás variables se mantienen constantes, y por cada
gramo que aumente en proteínas nuestras calorías aumentarán en promedio
1.2784 gramos cuando las demás variables se mantienen constantes.

b. Prueba la significancia del modelo de regresión múltiple; realiza todas las etapas de
una prueba de hipótesis.

PRUEBA DE HIPÓSTESIS PARA LA REGRESIÓN.

Prueba de hipótesis de la regresión:

Hipótesis nula:

H₀:β₁= β2 =… βk=0

Hipótesis alternativa:

H₁:βi≠0

F calculada: 4.37601206

Coeficiente de significancia= 0.05

F teórica=4.3468314

La hipótesis nula se RECHAZA

 RÚBRICA DE REPORTE
Con un 95% podemos decir que NO EXISTE evidencia suficiente para indicar que
ninguna variable independiente afecta realmente a las calorías en la población por
lo tanto la hipótesis H₀:β₁= β2 =… βk=0 SE RECHAZA.

Coeficiente de determinación

R2= 65.22%

Coeficiente de determinación ajustado

R2 ajustado 50.318%

Este modelo de regresión se puede explicar en un 65.223% con las variables

independientes. Sin embargo es más correcto decir que se explica en la realidad
el 50.318%

c. Prueba la significancia de los coeficientes de regresión individuales. Realiza todas

las etapas de una prueba de hipótesis para cada uno de los coeficientes.

Prueba de hipótesis para X1

Interpretación de la prueba de hipótesis

Pendiente para X1: 7.6190214

Error estándar de X1: 3.20601285

Hipótesis nula:

H₀:β₁=0

Hipótesis alternativa:

H₁:β1≠0

T calculada: 2.37647875

Coeficiente de significancia: 0.05

T teórica: 2.36462425

La hipótesis nula

H₀:β₁=0 se: RECHAZA

 RÚBRICA DE REPORTE
Con un 95% podemos decir que NO EXISTE evidencia suficiente para indicar que
la grasa medida en gramos explica realmente a las calorías en la población. Por lo
tanto la hipótesis H₀:β₁=0 SE RECHAZA.

Recordemos que los datos que tenemos son de una muestra y de la muestra la
pendiente es de 7.62, es decir, por cada paso que aumenta la grasa las calorías
aumentan 7.62 sin embargo este valor en la población estará con un 95% de
confianza entre 0.04 y 15.2.

PRUEBA DE HIPÓTESIS PARA X2

Pendiente para X2: -1.04577663

Error estándar de X2: 3.84107106

Hipótesis nula:

H₀:β2=0

Hipótesis alternativa:

H₁:β2≠0

T calculada: -0.27226172

Coeficiente de significancia: 0.05

T teórica: 2.36462425

La hipótesis nula

H₀:β₁=0

Se: ACEPTA

Con un 95% podemos decir que existe evidencia suficiente para indicar que los
carbohidratos explican realmente a las calorías en gramos en la población. Por lo
tanto la hipótesis H₀:β2=0 NO SE RECHAZA (SE ACEPTA).

Recordemos que los datos que tenemos son de una muestra y de la muestra la
pendiente es de -1.05, es decir, por cada paso que aumenta X2, las calorías
disminuirá -1.05 sin embargo este valor en la población estará con un 95% de
confianza entre -10.13 y 8.04.

PRUEBA DE HIPÓTESIS PARA X3

 RÚBRICA DE REPORTE
Pendiente para X3: 1.27844651

Error estándar de X3: 4.35587368

Hipótesis nula: H₀:β3=0

Hipótesis alternativa: H₁:β3≠0

T calculada: 0.29349945

Coeficiente de significancia: 0.05

T teórica: 2.36462425

La hipótesis nula

H₀:β₁=0

Se: ACEPTA

Con un 95% podemos decir que existe evidencia suficiente para indicar que las
proteínas explican realmente a las calorías en la población, por lo que la hipótesis
H₀:β3=0

NO SE RECHAZA (SE ACEPTA)

Recordemos que los datos que tenemos son de una muestra y de la muestra la
pendiente es de 1.28, es decir, por cada paso que aumenta X3, las calorías
aumentan 1.28 sin embargo este valor en la población estará con un 95% de
confianza entre -9.02 y 11.58.

d. Calcula e interpreta R2 en el contexto del problema.

2 Sumade cuadrados de regresión

R
Suma de cuadrados totales
2
R =39132,4622/59998,2818=0.65222638

e. Calcula el error estándar de estimación.

sδ =
√ SCE
n−k −1
=√ CME=√ 2980,83138=54.5969906
 RÚBRICA DE REPORTE
f. Estima la cantidad promedio de calorías cuando el contenido de grasa es de 50 g, la
cantidad de carbohidratos es de 10 g y la cantidad de proteínas es de 8 g.

Y=82.3552+7.6190(50)-1.0457(10)+1.2784(8)
Y= 463.0754

El pronóstico nos quiere decir que el promedio de calorías que tiene el producto
con las descripciones de caloría, carbohidratos y proteínas es del 46.3% de todo el
producto.

g. Calcula R2ajustada.

R ajustada=1−( 1−R )
2 2
( n−kn−1−1 )=0,50318054

h. Construye un intervalo de confianza para las pendientes de la población (β1, β2 y

β3).

Con un 46.3% podemos decir que no existe evidencia suficiente para indicar que
ninguna variable independiente afecta realmente las calorías en la población por lo
tanto la hipótesis.

H=β1= β2 = β3 =SE RECHAZA.