Realiza las siguientes acciones.

1. Define los siguientes términos:

a. ¿A qué se le llama una predicción puntal?
Es aquella que se realiza para cada valor que puede tomar la variable dependiente
b. ¿Cuáles son las fuentes de incertidumbre asociadas a una predicción puntual?
Una es debida a la dispersión de los datos respecto a la línea de regresión y la otra es debido a la dispersión de la
c. ¿Qué es un intervalo de predicción para valores puntuales? ¿En qué situaciones se puede aplicar
este cálculo?
Es el que esta comprendido por dos valores puntuales y todos aquellos valores que se encuentran dentro de los lím
con el se pueden obtener resultados generales de una predicción.
d. ¿A qué se le denomina los residuos?
Es la diferencia entre los valores de la variable dependiente observados y los que predecimos a partir de la recta de
e. ¿Qué es la regresión lineal múltiple?
Es una extensión de la regresión lineal simple para permitir mas de una variable independiente
f. Define lo siguiente: matriz de correlación y coeficiente de correlación.
Matriz de correlación es aquella que se construye calculando los coeficientes de correlación simples para cada com
Los coeficientes de correlación indican la relación que existe entre las variables dependientes e independientes

2. En un experimento con conejos se hizo variar la cantidad de alimento administrado

les añadió 1 g diario de colesterol en la dieta durante varias semanas. La cantidad de
expresado como gramos diarios por kg de peso al inicio del experimento, y el colester
experimento en mg. Los datos se presentan a continuación:

Cantidad
colesterol,
de 
alimento, g mg
X Y
10 313
15 370
18 424
19 456
20 310
21 349
24 345
25 373
27 395
28 156
28 243
30 150
31 463
33 677
 35 151
36 280
37 245
38 396
42 278
54 224
54 346
56 141
59 139
59 424
60 416
64 379
923 8443

a. Estima la ecuación de regresión lineal.

b. Calcula las predicciones (valores puntuales) para los siguientes val

25, 32, 35.5, 39, 42, 60, 73, 85, 90.

x y Pron
11
13
18
25
35
35.5
39
42
60
73
85
90

c. Obtén los intervalos de confianza al 99 para cada valor puntual de Y para los
diferentes valores
de X0.
 ariable dependiente
na predicción puntual?
de regresión y la otra es debido a la dispersión de la regresión de la muestra
es? ¿En qué situaciones se puede aplicar

aquellos valores que se encuentran dentro de los límites formados por las cantidades dadas,

servados y los que predecimos a partir de la recta de regresión.

s de una variable independiente

e correlación.
os coeficientes de correlación simples para cada combinación de pares de variables
ntre las variables dependientes e independientes

nejos se hizo variar la cantidad de alimento administrado, y además se

sterol en la dieta durante varias semanas. La cantidad de alimento X está
ios por kg de peso al inicio del experimento, y el colesterol Y al final del
s se presentan a continuación:
de regresión lineal.

iones (valores puntuales) para los siguientes valores de X0: 11, 13, 18,
0, 73, 85, 90.

´+/- LimInferior limsup

confianza al 99 para cada valor puntual de Y para los

dades dadas,
 3. Reúnanse en equipos de 2 personas y resuelvan los siguientes ejercicios.
Se tomó una muestra de 20 automóviles con relación al número de kilómetros por litro (Y), caballos
de fuerza X1 y peso total en kg X2.

Caballos
Kilómetros por litro, Peso en kg
de
Y fuerza,  X1 X2
19 67 1844
18 50 1998
17 72 1752
16 69 1990
16 66 1797
15 63 2199
14 90 2404
14 89 2711
13 63 3236
12 94 2580
11 88 2507
11 124 2942
10 124 3248
9 102 2812
8 114 3382
8 142 3297 b0=
7 163 4380 b1=
7 139 4036 b2=

a. Estimen e interpreten los coeficientes de la ecuación de regresión ecuacion

lineal múltiple.
b. Si un vehículo tiene 82 caballos de fuerza y un peso de 1850 kg Ῡ=24.6495-.0520x1-.00263x2
¿cuál será el número de
kilómetros por litro que se esperaría? 
Ῡ=
por litro (Y), caballos

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.924728395939888
Coeficiente de determinación R^2 0.855122606257559
R^2 ajustado 0.835805620425233
Error típico 1.56165599967826
Observaciones 18

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 2 215.918458080034 107.959229
Residuos 15 36.5815419199664 2.43876946
Total 17 252.5

Coeficientes Error típico Estadístico t

Intercepción 24.6495994147257 1.40590890065026 17.5328568
Variable X 1 -0.052032365278368 0.0227847863340825 -2.28364508
Variable X 2 -0.002631561713357 0.0009677061384586 -2.71938103

ecuacion de regresion
=24.6495-.0520x1-.00263x2

512.014870357992
 F Valor crítico de F
44.267910826 5.099230985E-07

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%

2.1061007E-11 21.652975527336 27.6462233 21.6529755273 27.6462233
0.0373864922 -0.1005969877558 -0.00346774 -0.1005969878 -0.00346774
0.0158310224 -0.0046941785224 -0.00056894 -0.0046941785 -0.00056894