ACTIVIDAD 2 EJERCICIOS

INTEGRANTES:
 Carlos Lemuel Mondragón Flores
 Carlos Arnulfo Vega Simo
 María Fernanda Gonzalez Urbina

ANALISIS DE DATOS
FABIOLA RAMIREZ ESCOBEDO
Introducción.
En esta actividad estudiaremos el análisis de regresión. El análisis de regresión engloba un conjunto de métodos
estadísticos que se utilizan cuando la variable de respuesta y las variables predictivas son continuas y queremos predecir
valores de la primera en función de los valores observados en las segundas.

Ejercicios.
Vamos a analizar los datos en proporcionados en Minitab:
Las variables consideradas en análisis son:

 Inteligencia

 Horas de estudio

 Nivel Social

 Calificación

 Sexo
Estudiaremos ahora la incidencia del conjunto de variables (int, horas, nsocial) sobre las calificaciones obtenidas.
Realizamos los siguientes pasos en Minitab:
Con eso obtenemos un conjunto de resultados que paso a explicar:

De aquí podemos deducir que la ecuación de regresión seria:

 Y – Calificación académica

 X1 – Inteligencia

 X2 – Horas de estudio

 X3 – Nivel Social
Con esto pareciera que la inteligencia tiene poca importancia. Esto se debe a que la magnitud de su escala es mucho más
alta que las demás variables

El modelo nos arroja como resultado un 90.20%. El mismo valor, una vez corregido por el efecto de la muestra y de las
variables independientes pasa a 88.37%.
El error típico de la estimación es de 0.589.
El valor de F obtenido con el análisis de varianza es 49.1, con la probabilidad asociada, según las expectativas de la
hipótesis nula es menor que 0.0001, lo que nos lleva a rechazar la hipótesis y suponer la existencia de un efecto real de
las variables sobre la calificación académica.
Conclusión.
El análisis de regresión lineal múltiple se utiliza para modelar la relación entre una variable de
respuesta continua y variables explicativas continuas o categóricas.
Al utilizar Minitab, llegamos a la conclusión que logramos obtener respuestas de una forma más
sencilla ofreciendo una mayor versatilidad y facilidad en la extracción de datos.
Estas herramientas son fundamentales en nuestros días para poder analizar grandes cantidades de
datos de una forma rápida y eficaz. Esto nos permite obtener conclusiones de una forma más
sustentada.
Tanto Minitab como IBM SPSS son herramientas muy útiles para el análisis estadístico, facilitando
una interpretación y comprensión de los datos de una forma rápida.
Referencias.
Mendenhall, B. (2010). Introducción a la Probabilidad y Estadística (13ª Edic.) [Archivo
PDF]. Recuperado de
https://www.fcfm.buap.mx/jzacarias/cursos/estad2/libros/book5e2.pdf

ASCEH. (2002). Construcción de modelos de regresión multivariantes [Archivo PDF]. Recuperado

de https://www.alceingenieria.net/bioestadistica/regresion1.pdf

Amat, J. (2016). Introducción a la regresión Lineal Múltiple [Archivo PDF]. Recuperado de

https://github.com/JoaquinAmatRodrigo/Estadistica-con-
R/blob/master/PDF_format/25_Regresi%C3%B3n_lineal_m%C3%BAltiple.pdf