Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
Formato PDF
Formato Word
n para el alumno:
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
ar de estimación.
o de confianza para las pendientes de la
20%
1. Revisa la siguiente información tomada de la sección de avisos de ocasión.
2. Utiliza Excel o cualquier otro paquete estadístico como Minitab para realizar lo siguiente:
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
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
CM Regresión 213782653
Fcalculada= 7.5394521
CM Error 28355198
4) Conclusión
Entonces se rechaza la hipotesis es decir si existe evidencia de que al menos una X afecta a Y.
as etapas de una
ecta a Y.
c. Pronostica el precio para los siguientes datos: 310 metros de terreno, 340 metros de construcción y 4 recam
Y= 602.58689619+9.14198458x1+5.934450532x2+-77.81028379x3
-602.568961940611
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
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
4) Conclusión
Puesto que |tcalculada |= 1.137538 es menor que tteórica = 2.0796
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
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.
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).
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
Si se establece un intervalo de confianza al 95% para los metros de construcción, y se tiene el valor crítico:
Entonces, con un 95% de confianza, se tiene que el verdadero valor β 2 se encuentra en el intervalo
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
0.1171035
odelo. ¿Existe alguna razón para
que
n entre las variables.