Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9869
Coeficiente de determinación R^2 0.9740
R^2 ajustado 0.9728
Error típico 3.2895
Observaciones 50

ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de Valor crítico
los F
libertad cuadrados de F
cuadrados
Regresión 2 19017.05 9508.53 878.73 5.8904E-38
Residuos 47 508.58 10.82
Total 49 19525.63

Inferior Superior
Coeficientes Error típico Estadístico t Probabilidad
95% 95%
Intercepción (b0) -1.2281 2.4659 -0.4980 0.62079169239126 -6.1889 3.7327
Superficie (metros cuadrados) (X1) (b1) 1.2001 0.0287 41.8301 7.6366723613E-39 1.1424 1.2578
Antiguedad (años) (X2) (b2) -0.4105 0.1054 -3.8945 0.00031000097349 -0.6225 -0.1984

Y = b0 + b1*X1 + b2*X2Y = Precio (MM$)

X1 = Superficie (m^2)
X2 = Antigüedad (años)

Estimadores de los Parametros

b0 = -1.2281 (MM$)
b1 = 1.2001 (MM$/m^2)
b2 = -0.4105 (MM$/años)

Modelo de regresión multiple

Precio (MM$) = -1,2281 (MM$) + 1,2001 (MM$/m^2) * Superficie (m^2) - 0,4

Predecir el precio de una vivienda cuya superficie son 70 m^2 con una antigüedad

X1 = 70 m^2
X2 = 10 años
Y= 78.6743 MM$

¿El modelo esadecuado para poner en práctica?

Valor crítico de F 5.8904077811E-38 tiende a cero

se debe comparar con 5%, si es menor el
Como el valor crítico es menor a 5% , el modelo es adecuado para poner
en práctica

¿Qué tán adecuado es el modelo?

R^2 = 0.9740
R^2 ajust = 0.9728 97.28%

La variabilidad de la respuesta Y está explicada por el modelo en un 97,28%

Y = b0 + b1*X1 +b2*X2 + error

100% 97.28% 2.72%
 la unidad de b0 es la unidad Y
la unidad de b1 es la unidad de Y / la unidad X1
la unidad de b2 es la unidad de Y / la unidad X2

) * Superficie (m^2) - 0,4105 (MM$/años) *Antigüedad (años)

m^2 con una antigüedad de 10 años

arar con 5%, si es menor el modelo es adecuado.

o en un 97,28%
 Y = b0 + b1*X

Precio de venta Superficie (metros Antiguedad

MM$ (Y) cuadrados) (X1) (años) (X2)

61.604 60.2 24.2

53.614 50.7 16.9
84.270 60.4 21.9
86.246 76.3 10.7
49.150 48.1 16.3
103.640 91.0 12.2
53.498 52.0 16.1
69.906 69.0 25.5
61.728 58.6 17.4
88.878 86.1 29.1
55.110 53.8 18.9
41.544 39.4 11.4
42.164 42.0 16.4
87.186 80.0 17.1
49.488 51.0 22.2
75.946 73.0 24.1
60.342 60.0 24.3
80.814 76.5 22.5
34.386 35.5 16.5
98.466 91.0 20.7
18.956 25.0 23.6
54.082 52.6 18.1
76.278 74.5 26.7
51.508 48.0 12.4
78.494 73.0 18.5
58.646 55.5 16.1
46.282 45.0 16.3
53.080 50.0 11.2
58.500 54.0 12.6
88.526 80.0 14.9
85.736 81.0 21.8
69.972 67.0 21.6
56.010 55.0 20.1
61.460 58.1 17
67.308 64.8 21
47.458 48.0 20.5
36.392 40.0 21.2
56.052 51.0 9.6
67.934 66.5 24.5
97.078 90.0 21.7
76.496 70.5 16.4
70.716 68.0 21.6
54.612 52.7 17.4
37.222 40.0 22.3
64.754 63.0 21.5
39.506 44.0 26.9
47.248 48.0 20.8
48.720 47.0 15.6
17.234 23.0 19.1
94.360 86.0 17.8
Y = b0 + b1*X Y = b0 + b1*X1 + b2*X2 + b3*X3 …… + bn*Xn

Y = b0 + b1*X1 + b2*X2
Resumen

Estadísticas de la regresión
Coeficiente de correlación múl 0.9826
Coeficiente de determinación 0.9655
R^2 ajustado 0.9648
Error típico 3.7436 ==> Sigma
Observaciones 50

ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de Valor crítico de
los F
libertad cuadrados F
cuadrados
Regresión 1 18852.9343 18852.9343 1345.2475 9.10903602E-37
Residuos 48 672.6947 14.0145
Total 49 19525.6290

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
95%
Intercepción (b0) -7.9985 1.9903 -4.0187 0.0002 -12.0003 -3.9967
Superficie (m^2) (X) (b1) 1.1824 0.0322 36.6776 9.10903602E-37 1.1176 1.2472

1. Defina las variables X e Y

2. ¿Cuál es el modelo lineal estimado?
3. El modelo lineal estimado, ¿Es adecuado?
4. ¿Cuál es el grado de dependencia lineal entre Y e X?
5. ¿Qué significado tiene el coeficiente de determinación?
6. ¿Cuál es el valor de los coeficientes de regresión estimados?
7. ¿Cuál es el intervalo de 95% de confianza para la pendiente? (b1)
8. ¿Cuál es el intervalo de 95% de confianza para la constante? (b0)
9. ¿Cual es el intervalo de 95% para la predicción de Y cuando la superficie de la propiedad es 50,45 m^2?
10. ¿Cual es el intervalo para la estimación de Y cuando la superficie de la propiedad es 90,0 m^2?

9. ¿Cual es el intervalo de 95% para la predicción de Y cuando la superficie de la propiedad es 50,45 m

x0 = 50.4500 m^2
b0 = -7.9985 (MM$)
b1 = 1.1824 (MM$/m^2) Y(X = 50,45 m^2) esta entre:
y0 = 51.6525 MM$
alfa = 0.0500
n= 50 Con confianza 95%, se predice que el precio de una
propiedad cuya superficie es 50,45 m^2 estará entre
[44,0280 ; 59,2771] (MM($))
 Con confianza 95%, se predice que el precio de una
propiedad cuya superficie es 50,45 m^2 estará entre
t(n-2;1 - alfa/2) = 2.0106 [44,0280 ; 59,2771] (MM($))
Sigma^2 = 14.0145 (MM$)^2
Media de X = 59.516 m^2
Sxx = 13485.4472 (m^2)^2

10. ¿Cual es el intervalo para la estimación de Y cuando la superficie de la propiedad es 90,0 m^2?

x0 = 90.0000 m^2
b0 = -7.9985 (MM$)
b1 = 1.1824 (MM$/m^2) Y(X = 50,45 m^2) esta entre:
y0 = 98.4156 MM$
alfa = 0.0500
n= 50 Con confianza 95%, se estima que el precio de una
propiedad cuya superficie es 90 m^2 estará entre
t(n-2;1 - alfa/2) = 2.0106 [96,1713 ; 100,66] (MM($))
Sigma^2 = 14.0145 (MM$)^2
Media de X = 59.516 m^2
Sxx = 13485.4472 (m^2)^2
 1. Defina las variables X e Y

X = "Superficie en m^2"
Y = "Precio de venta de viviendas en MM$"

2. ¿Cuál es el modelo lineal estimado?

Y = b0 + b1*X
Estimadores de la parametros:
b0 = -7.9985 (MM$) la unidad de b0 es la unida
b1 = 1.1824 (MM$/m^2) la unidad de b1 es la unida

Precio (MM$) = -7,9985 (MM$) + 1,1824 (MM$/m^2) * Superfic

3. El modelo lineal estimado, ¿Es adecuado?

H0: b1 = 0 v/s H1: b1 <> 0

T= 36.6776
pvalor = 0.0000 *se rechaza H0 si pvalor es menor que 5

Como pvalor es menor que 5%, se rechaza H0, es decir b1 no es 0, por lo tanto e
modelo es adecuado para poner en práctica

4. ¿Cuál es el grado de dependencia lineal entre Y e X?

Coef correlación = 0.9826

El grado de dependencia lineal entre el precio y la superficie de las viviendas es

erficie de la propiedad es 50,45 m^2? un 0,9826. Al ser cercano a 1 es una dependencia fuerte positiva.

5. ¿Qué significado tiene el coeficiente de determinación?

R^2 = 0.9655 96.55%

R^2 ajustado = 0.9648 96.48%

La variabilidad de la respuesta Y está explicada por el modelo en un 96,48%

Lím Inferior Lím Superior

44.0280 59.2771 MM($) Y = b0 + b1*X + error
100% 96.48% 3.52%

%, se predice que el precio de una 7. ¿Cuál es el intervalo de 95% de confianza para la pendiente? (b1)
uperficie es 50,45 m^2 estará entre
71] (MM($))
 %, se predice que el precio de una
uperficie es 50,45 m^2 estará entre
71] (MM($))
Inferior 95%Superior 95%
b1 esta entre 1.1176 1.2472 (MM$/m^2)

Con confianza 95% b1 está entre [1,1176 ; 1,2472] (MM$/m^2)

de la propiedad es 90,0 m^2?
8. ¿Cuál es el intervalo de 95% de confianza para la constante? (b0)

6. ¿Cuál es el valor de los coeficientes de regresión estimados?

Estimadores de la parametros:
Lím Inferior Lím Superior b0 = -7.9985 (MM$)
96.1713 100.6600 MM($) b1 = 1.1824 (MM$/m^2)
Sigma = 3.7436 (MM$)

%, se estima que el precio de una

uperficie es 90 m^2 estará entre
6] (MM($))
la unidad de b0 es la unidad Y
la unidad de b1 es la unidad de Y / la unidad X

MM$/m^2) * Superficie (m^2)

0 si pvalor es menor que 5%

ir b1 no es 0, por lo tanto el

erficie de las viviendas es de

te positiva.

modelo en un 96,48%

a pendiente? (b1)
MM$/m^2)

a constante? (b0)

n estimados?
Resumen

Estadísticas de la regresión
Coeficiente de correlación múl 0.9826
Coeficiente de determinación 0.9655
R^2 ajustado 0.9648
Error típico 3.7436 ==> Sigma
Observaciones 50

ANÁLISIS DE VARIANZA
Promedio de
Grados de Suma de Valor crítico de
los F
libertad cuadrados F
cuadrados
Regresión 1 18852.9343 18852.9343 1345.2475 9.10903602E-37
Residuos (Error) 48 672.6947 14.0145
Total 49 19525.6290

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
95%
Intercepción (b0) -7.9985 1.9903 -4.0187 0.0002 -12.0003 -3.9967
Superficie (m^2) (X) (b1) 1.1824 0.0322 36.6776 9.10903602E-37 1.1176 1.2472

SCE = Syy - b1*Sxy b1 = Sxy/Sxx

Sxy = (Syy - SCE)/b1 Sxx = Sxy/b1
Sxy = (19525,63 - 672,69)/1,18 Sxx = 13485.45
Sxy = 15944.913

SCE = Syy - (Sxy/Sxx)*Sxy

H0: b1 = 0 v/s H1: b1 <> 0

F= 1345.2475
pvalor = 0.0000 *se rechaza H0 si pvalor es menor que 5%

Como pvalor es menor que 5%, se rechaza H0, es decir b1 no es 0, por lo tanto el
modelo es adecuado para poner en práctica
 1. Defina las variables X e Y

X = "Superficie en m^2"
Y = "Precio de venta de viviendas en MM$"

2. ¿Cuál es el modelo lineal estimado?

Suma de
cuadrados Y = b0 + b1*X
0.9655 Estimadores de la parametros:
0.0345 b0 = -7.9985 (MM$) la unidad de b0 es la unida
1.0000 b1 = 1.1824 (MM$/m^2) la unidad de b1 es la unida

Precio (MM$) = -7,9985 (MM$) + 1,1824 (MM$/m^2) * Superfic

3. El modelo lineal estimado, ¿Es adecuado?

H0: b1 = 0 v/s H1: b1 <> 0

T= 36.6776
pvalor = 0.0000 *se rechaza H0 si pvalor es menor que 5

Como pvalor es menor que 5%, se rechaza H0, es decir b1 no es 0, por lo tanto e
modelo es adecuado para poner en práctica

4. ¿Cuál es el grado de dependencia lineal entre Y e X?

Coef correlación = 0.9826

El grado de dependencia lineal entre el precio y la superficie de las viviendas es

un 0,9826. Al ser cercano a 1 es una dependencia fuerte positiva.

5. ¿Qué significado tiene el coeficiente de determinación?

R^2 = 0.9655 96.55%

R^2 ajustado = 0.9648 96.48%

La variabilidad de la respuesta Y está explicada por el modelo en un 96,48%

Y = b0 + b1*X + error
100% 96.48% 3.52%

es 0, por lo tanto el 7. ¿Cuál es el intervalo de 95% de confianza para la pendiente? (b1)

es 0, por lo tanto el

Inferior 95%Superior 95%

b1 esta entre 1.1176 1.2472 (MM$/m^2)

Con confianza 95% b1 está entre [1,1176 ; 1,2472] (MM$/m^2)

8. ¿Cuál es el intervalo de 95% de confianza para la constante? (b0)

6. ¿Cuál es el valor de los coeficientes de regresión estimados?

Estimadores de la parametros:
b0 = -7.9985 (MM$)
b1 = 1.1824 (MM$/m^2)
Sigma = 3.7436 (MM$)
la unidad de b0 es la unidad Y
la unidad de b1 es la unidad de Y / la unidad X

MM$/m^2) * Superficie (m^2)

0 si pvalor es menor que 5%

ir b1 no es 0, por lo tanto el

erficie de las viviendas es de

te positiva.

modelo en un 96,48%

a pendiente? (b1)
MM$/m^2)

a constante? (b0)

n estimados?
Sumas 3,118.6 2,975.8 190,593.2
Medias 62.372 59.516

Precio de venta de Superficie

X^2
viviendas MM$ (Y) (m^2) (X)
61.604 60.2 3,624.04
53.614 50.7 2,570.49
84.270 60.4 3,648.16
86.246 76.3 5,821.69
49.150 48.1 2,313.61
103.640 91.0 8,281.00
53.498 52.0 2,704.00
69.906 69.0 4,761.00
61.728 58.6 3,433.96
88.878 86.1 7,413.21
55.110 53.8 2,894.44
41.544 39.4 1,552.36
42.164 42.0 1,764.00
87.186 80.0 6,400.00
49.488 51.0 2,601.00
75.946 73.0 5,329.00
60.342 60.0 3,600.00
80.814 76.5 5,852.25
34.386 35.5 1,260.25
98.466 91.0 8,281.00
18.956 25.0 625.00
54.082 52.6 2,766.76
76.278 74.5 5,550.25
51.508 48.0 2,304.00
78.494 73.0 5,329.00
58.646 55.5 3,080.25
46.282 45.0 2,025.00
53.080 50.0 2,500.00
58.500 54.0 2,916.00
88.526 80.0 6,400.00
85.736 81.0 6,561.00
69.972 67.0 4,489.00
56.010 55.0 3,025.00
61.460 58.1 3,375.61
67.308 64.8 4,199.04
47.458 48.0 2,304.00
36.392 40.0 1,600.00
56.052 51.0 2,601.00
67.934 66.5 4,422.25
97.078 90.0 8,100.00
76.496 70.5 4,970.25
70.716 68.0 4,624.00
54.612 52.7 2,777.29
37.222 40.0 1,600.00
64.754 63.0 3,969.00
39.506 44.0 1,936.00
47.248 48.0 2,304.00
48.720 47.0 2,209.00
17.234 23.0 529.00
94.360 86.0 7,396.00
Sxx 13,485.45 b0
Sxy b1
Syy Sigma^2
Sigma
1. Defina las variables X e Y
2. ¿Cuál es el modelo lineal estimado?
3. El modelo lineal estimado, ¿Es adecuado?
4. ¿Cuál es el grado de dependencia lineal entre Y e X?
5. ¿Qué significado tiene el coeficiente de determinación?
6. ¿Cuál es el valor de los coeficientes de regresión estimados?
7. ¿Cuál es el intervalo de 95% de confianza para la pendiente? (b1)
8. ¿Cuál es el intervalo de 95% de confianza para la constante? (b0)
9. ¿Cual es el intervalo de 95% para la predicción de Y cuando la superficie de la propiedad es 50,45 m^2?
10. ¿Cual es el intervalo para la estimación de Y cuando la superficie de la propiedad es 90,0 m^2?
es 50,45 m^2?