Matricula Nombre

3067621 Eduardo Arámbula Acosta

Evidencia del módulo 3

Planteamiento y solución de un problema utilizando las técnicas estadísticas p

Evidencia:
corto y largo plazo con el fin de tomar decisiones

Instrucción para el alumno:

Organícense en equipos de trabajo de 2 a 3 integrantes y resuelvan lo que se

ejercicio debes presentar tus conclusiones a todo el grupo y justificar tu anális

1. Revisa la siguiente información tomada de la sección de avisos

Metros de
Precio
terreno
(miles de pesos) X1
Y
2700 288
1895 160
1397 230
1795 234
650 72
850 128
3875 188
4300 390
11850 885
11900 885
3250 150
6700 406
5499 320
4250 170
4250 170
470 160
500 90
550 91
650 110
550 90
620 172

Saber hacer:
 1700 189
2330 300
Saber hacer:
1600 136
1100 144

2. Utiliza Excel o cualquier otro paquete estadístico como Minitab para re

a. Estima el modelo de regresión múltiple e interpreta los coeficie
de la ecuación de regresión lineal múltiple.

b. Prueba la significancia global del modelo de regresión múltiple;

realiza todas las etapas de una prueba de hipótesis.
c. Pronostica el precio para los siguientes datos: 310 metros de
terreno, 340 metros de construcción y 4 recámaras.
d. Prueba la significancia global del modelo de regresión múltiple;
realiza todas las etapas de una prueba de hipótesis para cada uno
los coeficientes.
e. Calcula el error estándar de estimación.
f. Construye un intervalo de confianza para las pendientes de la
población (β1, β2 y β3).
g. Calcula e interpreta R2 en el contexto del problema.
h. Calcula R2ajustada.

i. Determina el Factor de Inflación de Varianza (VIF) para cada

variable explicativa en el modelo. ¿Existe alguna razón para sospe
que existe multicolinealidad?

3. Finalmente prepara un documento presentando un resumen de tus hallaz

conclusiones. Compartan y discutan durante la clase las conclusiones a las qu

Realiza la entrega de tu evidencia con base en los criterios de evaluación

la siguiente rúbrica:

Formato PDF
Formato Word

Selecciona la forma en que demostrarás la evidencia. Puede ser a través de:

· Presentaciones originales y creativas
· Videograbaciones
Demostración: · Podcast
· Planteamiento de propuestas
· Otros
ma utilizando las técnicas estadísticas para el pronóstico a %
decisiones

n para el alumno:

2 a 3 integrantes y resuelvan lo que se les pide. Al finalizar tu

ones a todo el grupo y justificar tu análisis estadístico aplicado.

rmación tomada de la sección de avisos de ocasión.

Metros de Número de
construcción recámaras
X2 X3
378 4
252 4
252 4
167 2
124 4
262 4
246 4
380 3
775 4
775 3
233 3
420 3
390 4
244 4
233 3
127 3
73 2
73 2
90 2
74 2
76 2

80%
 374 4
330 4
80%
140 3
290 3

paquete estadístico como Minitab para realizar lo siguiente:

egresión múltiple e interpreta los coeficientes
n lineal múltiple.

global del modelo de regresión múltiple;

una prueba de hipótesis.
ara los siguientes datos: 310 metros de
strucción y 4 recámaras.
global del modelo de regresión múltiple;
una prueba de hipótesis para cada uno de

ar de estimación.
o de confianza para las pendientes de la

2 en el contexto del problema.

e Inflación de Varianza (VIF) para cada

odelo. ¿Existe alguna razón para sospechar
d?

o presentando un resumen de tus hallazgos y tus

urante la clase las conclusiones a las que llegaron.

on base en los criterios de evaluación que se muestran en

ás la evidencia. Puede ser a través de:

as

20%
 1. Revisa la siguiente información tomada de la sección de avisos de ocasión.

Precio Metros de terreno Metros de Número de

(miles de
X1 construcción recámaras
pesos)
Y X2 X3
2700 288 378 4
1895 160 252 4
1397 230 252 4
1795 234 167 2
650 72 124 4
850 128 262 4
3875 188 246 4
4300 390 380 3
11850 885 775 4
11900 885 775 3
3250 150 233 3
6700 406 420 3
5499 320 390 4
4250 170 244 4
4250 170 233 3
470 160 127 3
500 90 73 2
550 91 73 2
650 110 90 2
550 90 74 2
620 172 76 2
1700 189 374 4
2330 300 330 4
1600 136 140 3
1100 144 290 3
Información obtenida de: http://www.avisosdeocasion.com Solo para fines educativos.

2. Utiliza Excel o cualquier otro paquete estadístico como Minitab para realizar lo siguiente:

a. Estima el modelo de regresión múltiple e interpreta los

coeficientes de la ecuación de regresión lineal múltiple.

Y=b0+b1x1+b2x2+b3x3

Y= 602.58689619+9.14198458x1+5.934450532x2+-77.81028379x3
Utiliza Excel para calcular el modelo de regresión múltiple

Resumen

Estadísticas de la regresión
Coeficiente de correlación 0.939625706339313
Coeficiente de determinaci 0.882896468013653
R^2 ajustado 0.866167392015603
Error típico 1162.00150660009
Observaciones 25

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 3 213782653.031842 71260884.3439473
Residuos 21 28355197.5281584 1350247.50134088
Total 24 242137850.56

Coeficientes Error típico Estadístico t

Intercepción -602.568961940611 1152.57357988333 -0.522803031804359
Variable X 1 9.14198458047401 4.18496603038457 2.1844823862606
Variable X 2 5.9344505318763 5.21692298460045 1.13753845885666
Variable X 3 -77.810283788766 445.239350646592 -0.174760572433158
 F Valor crítico de F
52.7761645721847 5.93620594E-10

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

0.60658382713524 -2999.47693573 1794.33901185 -2999.4769357333 1794.33901185212
0.04040805239184 0.438871283971 17.845097877 0.43887128397123 17.8450978769768
0.26812631458509 -4.91473473378 16.7836357975 -4.9147347337768 16.7836357975295
0.86294170784917 -1003.73620161 848.115634033 -1003.736201611 848.115634033448
 b. Prueba la significancia global del modelo de regresión múltiple; realiza todas las etapas de una
prueba de hipótesis.

1) Establecimiento de hipotésis
𝐻_0: 𝛽_1=𝛽_2=𝛽_3=0
(Metros de terreno X1 , metros de construcción X2 y número de recamarass X3 no a

En oposición a:
Ha : βi ≠ 0 (Al menos una variable independiente X, metros de terreno X1 , metros de construcción X2 y número de
afectan el precio en miles de pesos Y).

2) Estadística de prueba

𝐹_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=(𝐶𝑀 𝑅𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛)/(𝐶𝑀 𝐸𝑟𝑟𝑜𝑟)

CM Regresión 213782653
Fcalculada= 7.5394521
CM Error 28355198

3) Regla de decisión El valor de Fteórica puede obtenerse en la tabla.

Rechazar H0 si Fcalculada es mayor que Fteórica: 𝐹_21^3 (0.05)=3.07

4) Conclusión

Puesto que Fcalculada = 7.53 es mayor que Fteórica = 𝐹_21^3 (0.05)=3.07

Entonces se rechaza la hipotesis es decir si existe evidencia de que al menos una X afecta a Y.
as etapas de una

número de recamarass X3 no afectan el precio en miles de pesos Y).

e construcción X2 y número de recamarass X3 ,

ecta a Y.
c. Pronostica el precio para los siguientes datos: 310 metros de terreno, 340 metros de construcción y 4 recam

La ecuación de regresión es: b0+b1X1+b2x2

Y= 602.58689619+9.14198458x1+5.934450532x2+-77.81028379x3

-602.568961940611

Precio= 3937.9183 9.14198458047401

5.9344505318763
-77.810283788766
de construcción y 4 recamaras.
 d. Prueba la significancia global del modelo de regresión múltiple; realiza todas las etapas de una prueba de hip

Prueba para determinar si la variable X1 tiene efecto significativo en el precio en miles de pesos
1) Establecimiento de hipotésis
𝐻_0: 𝛽_1=0 (El número de metros cuadrados de terreno X1 no afectan el precio Y).
En oposición a:
Ha : β1 ≠ 0 (El número de metros cuadrados de terreno X1 no afectan el precio Y).

2) Estadística de prueba

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=( 〖 |𝑏 〗 _𝑖−𝛽_𝑖 |)/𝑆_(𝑏_𝑖 )𝑆_(𝑏_1 )= 4.184966 Error típico

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= 9.14198458047401 Coeficiente

4.18496603038457 Error típico
3) Regla de decisión
Rechazar H0 si |tcalculada|= 2.184482386 es mayor que tteórica:
2.0796

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796

4) Conclusión
Puesto que |tcalculada |= 4.184966 es mayor que tteórica = 2.0796
 Entonces se rechaza la hipotesis, es decir, existe evidencia de que al menos una X afecta a Y.

Prueba para determinar si la variable X2 tiene efecto significativo en el precio en miles de pesos
1) Establecimiento de hipotésis
𝐻_0: 𝛽_2=0 (El número de metros construidos X2 no afectan el precio Y).
En oposición a:
Ha : β2 ≠ 0 (El número de metros construidos X2 no afectan el precio Y).

2) Estadística de prueba

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=( 〖 |𝑏 〗 _𝑖−𝛽_𝑖 |)/𝑆_(𝑏_𝑖 )𝑆_(𝑏_2 )= 5.216923 Error típico

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= 5.9344505318763 Coeficiente

5.21692298460045 Error típico
3) Regla de decisión

Rechazar H0 si |tcalculada|= es mayor que t teórica:

2.0796

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796

4) Conclusión
Puesto que |tcalculada |= 1.137538 es menor que tteórica = 2.0796

Entonces no se rechaza H0 (Hay evidencia de que al menos una X afecta a Y).

Prueba para determinar si la variable X3 tiene efecto significativo en el precio en miles de pesos
1) Establecimiento de hipotésis
𝐻_0: 𝛽_3=0 (El número de recamaras X3 no afectan el precio Y).
En oposición a:
Ha : β3 ≠ 0 (El número de recamaras X3 no afectan el precio Y).

2) Estadística de prueba

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎=( 〖 |𝑏 〗 _𝑖−𝛽_𝑖 |)/𝑆_(𝑏_𝑖 )𝑆_(𝑏_3 )= 445.23935 Error típico

𝑡_𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎= -77.810283788766 Coeficiente

445.239350646592 Error típico
3) Regla de decisión

Rechazar H0 si |tcalculada|= -0.17476 es mayor que tteórica: 2.0796

En donde tteórica se obtiene de la tabla:

𝑡_𝑡𝑒ó𝑟𝑖𝑐𝑎=𝑡_(∝∕2) (𝑛−𝑘−1)=𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796
4) Conclusión
Puesto que |tcalculada |= -0.17476 es menor que tteórica = 2.0796

Entonces no se rechaza H0 (No hay evidencia de que al menos una X afecta a Y).
etapas de una prueba de hipótesis para cada uno de los coeficientes.

an el precio Y).

t calculada 2.184482386261
na X afecta a Y.

Coeficiente t calculada 1.1375385

Error típico

Coeficiente t calculada -0.174761

Error típico
e. Calcula el error estándar de estimación.

𝑆_𝜀=√(𝑆𝐶𝐸/(𝑛−𝑘−1))=√𝐶𝑀𝐸
SCE= 28355198 208.99839
 f. Construye un intervalo de confianza para las pendientes de la población (β1, β2 y β3).

𝑏_1±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b1= 9.1419846

Si se establece un intervalo de confianza al 95% para los metros de terreno, y se tiene el valor crítico:
𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796
Mientras 𝑆_(𝑏_1 )= , el cual se obtiene del excel en el inciso a): 4.184966

R=

Entonces, con un 95% de confianza, se tiene que el verdadero valor β 1 se encuentra en el intervalo

𝑏_2±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b2= 5.9344505

Si se establece un intervalo de confianza al 95% para los metros de construcción, y se tiene el valor crítico:

𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796

Mientras 𝑆_(𝑏_2 )= , el cual se obtiene del excel en el inciso a): 5.216923
R= 1352.054

Entonces, con un 95% de confianza, se tiene que el verdadero valor β 2 se encuentra en el intervalo

𝑏_3±𝑡_(∝∕2) (𝑛−𝑘−1)𝑆_(𝑏_𝑖 ) b3= -77.81028

Si se establece un intervalo de confianza al 95% para el consumo diario de petróleo, y se tiene el valor crítico:
𝑡_(0.05∕2) (21)=𝑡_0.025 (21)=2.0796
Mientras 𝑆_(𝑏_3 )= , el cual se obtiene del excel en el inciso a): 445.23935
R= -1512968

Entonces, con un 95% de confianza, se tiene que el verdadero valor β 3 se encuentra en el intervalo
ervalo

ervalo

ervalo
g. Calcula e interpreta R2 en el contexto del problema.

0.88289646801

En este caso, el 0.882 del precio en miles de pesos se explica por X1(los metros de terreno cuadrado), X2 (los metros de
R2 debe interpretarse en relación con los extremos, 0 y 1.
cuadrado), X2 (los metros de construcción) y X3( el número de recamaras) . En la práctica, 0 ≤ R2 ≤ 1, y el valor de
h. Calcula R2ajustada.

𝑅_𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜^2=1−(1−𝑅^2 )((𝑛−1)/(𝑛−𝑘−1))=

-1.45449
i. Determina el Factor de Inflación de Varianza (VIF) para cada variable explicativa en el modelo. ¿Existe alguna
sospechar que existe multicolinealidad?

𝑉𝐼𝐹_𝑗=1/(1−𝑅_𝑗^2 )
Si R2 = 0, entonces la variable j-esima no está relacionada con el resto de

Si VIFj > 1, lo cual puede ocurrir para casos en los que

, implica que existe una relación entre las variables.

0.1171035
 odelo. ¿Existe alguna razón para

onada con el resto de las variables independientes y VIF j = 1.

que
n entre las variables.