Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X
∑(𝒙𝒊 − %
𝒙)(𝒚𝒊 − %
𝒚)
% − 𝜷𝒙
𝜷𝟎 = 𝒚 % 𝜷= , = 𝜷𝟎 + 𝜷𝒙
𝒚
∑(𝒙𝒊 − %
𝒙)𝟐
2. Calcule el intervalo de confianza de los coeficientes βo y β1 del modelo, trabaje al 95% de confianza
(α=5%)
𝒚
% = α+βX
n X: % fibra Y: Resistencia %
e = y-𝒚 %)2
SCE = ∑(yi-𝒚
𝒚
% = 130,67 + 1,62x
1 0 14 9,75 4,25 18,06
2 1 11 9,99 1,01 1,02
3 2 10 10,23 -0,23 0,05
4 3 8 10,47 -2,47 6,11
5 4 7,5 10,71 -3,21 10,33
6 5 9 10,95 -1,95 3,82
7 6 10 11,20 -1,20 1,43
8 7 11 11,44 -0,44 0,19
9 8 13 11,68 1,32 1,75
10 9 12 11,92 0,08 0,01
11 10 15 12,16 2,84 8,07
SUMA 55 120,50 50,84
PROMEDIO 5 10,95
DES. EST. 3,32 2,39 0,799
()𝟐
∑(𝒚𝒊&𝒚' ()𝟐
Var (e) = s𝟐 = = CME 5=6
Des.Est.(e) = 𝝈
∑(𝒚𝒊&𝒚'
= 7𝑽𝒂𝒓(𝜺)
𝒏&𝟐 𝒏&𝟐
+,,./
Var (e) = = 5,65 Des.Est.(e) = 𝜎@ = 75,65 = 2,38
0
𝟏 𝒙𝟐
3 Des.Est. (b0) = = 7𝑽𝒂𝒓(𝜷𝟎 )
5𝟐 D +
Var(b0 )= 𝝈 F
𝒏 3)𝟐
∑(𝒙𝒊&𝒙
5 6+
Var(b0)= 5,65 H55 + 55,I= 1,79 Des.esta(b0) = 𝜎@ = √1,79= 1,34
8𝟐
𝝈 8𝟐
𝝈
Var(b)= ∑(𝒙𝒊&𝒙3 Des.Est.(b) = 6∑(𝒙𝒊&𝒙3 𝟐 = 7𝑽𝒂𝒓(b )
)𝟐 )
+,9+
Var(b)= 55, = 0,05 Des.esta(b) = 70,05 = 0,23
Li 𝜷𝟎 Ls Li 𝜷 Ls
6,72 9,75 12,78 -0,27 0,24 0,75
3. Realice el análisis de varianzas (ANOVA) del modelo
VARIACIÓN SC gl CM Fexp Ftab P exp a = p
teórico
REGRESIÓN SCR glR=k=1 𝑺𝑪𝑹 𝑪𝑴𝑹 Pexp 0,05
CMR= 𝒈𝒍𝑹 Fexp = 𝑪𝑴𝑬
𝒈𝒍𝑵
ERROR SCE glE= n-2 𝑺𝑪𝑬 FtabH𝜶;
𝒈𝒍𝑫
I
CMR=
𝒈𝒍𝑬
TOTAL SCT glT= n-1 Fexp ≤ Ftab: Aceptar Ho: β=0 p exp ≥ p teórico:
Aceptar Ho: β = 0
α 5%
n 11
gl = n-2 9
𝛃𝐨
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;9] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )
𝛃𝐨 H1 = b ≠ 0 ( No pasa por el origen ) 𝟗,𝟕𝟓 2,262 |𝟕, 𝟐𝟕| > |𝟐, 𝟐𝟔𝟐|
texp: = 7,27
𝟏,𝟑𝟒
H0 = b1 = 0 ( Y no depende de X )
𝑺𝑪𝑬 𝟓𝟎,𝟖𝟒
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟓𝟕,𝟐𝟑 = 0,1116 11,16 %
6. Estime el valor de Y con su intervalo de confianza, para un valor de X = 7, trabaje al 95% de confianza
(α=5%)
5 (6)#
Des. Est. (𝑦n) =65,65 H55 + 55, I
𝟏 3)𝟐
(𝒙 &𝒙
5 𝟐 D + 𝟎 3 𝟐F
%) =6𝝈
DES. EST (𝒚 𝒏 ∑(𝒙𝒊&𝒙)
Des. Est (𝑦n) = 0,85
𝜶 𝒚
% = 9,75 + 0,24x Li 𝜷𝒐 Ls
𝑰𝑪(𝒚
%)= 𝒚
% ± 𝒕 H 𝟐 ; 𝒈𝒍I x Des.Est.( 𝒚
%)
II. En un proceso de extracción se estudia la relación entre tiempo de extracción y rendimiento. Los datos
obtenidos se muestran en la siguiente tabla.
X: Y:
n ")
(xi-𝒙 ")2
(xi-𝒙 ")
(yi -𝒚 ")2
(yi - 𝒚 ")(yi -𝒚
(xi-𝒙 ")
Tiempo %Rendimiento
1 10 64 -4,67 21,78 -11,48 131,87 53,59
2 15 81,7 0,33 0,11 6,22 38,65 2,07
3 20 76,2 5,33 28,44 0,72 0,51 3,82
4 8 68,5 -6,67 44,44 -6,98 48,77 46,56
5 12 66,6 -2,67 7,11 -8,88 78,91 23,69
6 13 77,9 -1,67 2,78 2,42 5,84 -4,03
7 15 82,2 0,33 0,11 6,72 45,11 2,24
8 12 74,2 -2,67 7,11 -1,28 1,65 3,42
9 14 70 -0,67 0,44 -5,48 30,07 3,66
10 20 76 5,33 28,44 0,52 0,27 2,76
11 19 83,2 4,33 18,78 7,72 59,55 33,44
12 18 85,3 3,33 11,11 9,82 96,37 32,72
SUMA 176 905,80 170,67 537,56 203,93
PROMEDIO 14,67 75,48
DES. EST. 3,94 6,99
Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X
%)(𝒚𝒊 − 𝒚
∑(𝒙𝒊 − 𝒙 %)
𝜷= % − 𝜷𝒙
𝜷𝟎 = 𝒚 % , = 𝜷𝟎 + 𝜷𝒙
𝒚
%)𝟐
∑(𝒙𝒊 − 𝒙
X: Y: 𝒚
% = α+βX
n %
e = y-𝒚 %)2
SCE = ∑(yi-𝒚
Tiempo %Rendimiento 𝒚
% = 57,89 + 1,199x
()𝟐
∑(𝒚𝒊&𝒚' ()𝟐
Var (e) = s𝟐 = 𝒏&𝟐
= CME 5=6
Des.Est.(e) = 𝝈
∑(𝒚𝒊&𝒚'
= 7𝑽𝒂𝒓(𝜺)
𝒏&𝟐
60O,.P
Var (e) = = 29,39 Des.Est.(e) = 𝜎@ = √29,39 = 5,42
5,
𝟏 3𝟐
𝒙 Des.Est. (b0) = = 7𝑽𝒂𝒓(𝜷𝟎 )
5𝟐 D +
Var(b0)= 𝝈 F
𝒏 3)𝟐
∑(𝒙𝒊&𝒙
5 (5/,9P)#
Var(b0)= 29,39 H56 + I= 39,49 Des.esta(b0) = 𝜎@ = √38,49= 6,28
5P,,9P
8𝟐
𝝈 8𝟐
𝝈
Var(b)= ∑(𝒙𝒊&𝒙3)𝟐 Des.Est.(b) = 6∑(𝒙𝒊&𝒙3)𝟐 = 7𝑽𝒂𝒓(b)
60,O0
Var(b)= 5P,,9P = 0,17 Des.esta(b) = √0,17 = 0,41
𝜶
Nivel de confianza 95% t tab = !𝟐 ; 𝒈𝒍%
α 5%
t tab = [0,025; 10]
n 12 t tab = 2,228
gl = n-2 10
P𝟎 ± 𝒕 H𝜶 ; 𝒈𝒍Ix Des.Est(𝜷𝟎 )
IC (𝜷𝟎 )= 𝜷 V ± 𝒕 H𝜶 ; 𝒈𝒍Ix Des.Est(𝜷)
IC (𝜷)= 𝜷
𝟐 𝟐
Li 𝜷𝟎 Ls Li 𝜷 Ls
43,89 57,89 71,89 0,27 1,19 2,12
3. Realice el análisis de varianzas (ANOVA) del modelo
VARIACIÓN SC gl CM Fexp Ftab P exp a = p
teórico
REGRESIÓN SCR glR=k=1 𝑺𝑪𝑹 𝑪𝑴𝑹 Pexp 0,05
CMR= 𝒈𝒍𝑹 Fexp = 𝑪𝑴𝑬
𝒈𝒍𝑵
ERROR SCE glE= n-2 𝑺𝑪𝑬 FtabH𝜶; 𝒈𝒍𝑫I
CMR= 𝒈𝒍𝑬
TOTAL SCT glT= n-1 Fexp ≤ Ftab: Aceptar Ho: β=0 p exp ≥ p teórico:
Aceptar Ho: β = 0
𝟐𝟒𝟒,𝟔𝟐 𝟐𝟗𝟑,𝟖𝟕
CMR = = 244,62 CME = = 29,39
𝟏 𝟏𝟎
α 5%
n 12
gl = n-2 10
𝛃𝐨
texp:𝑫𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )
𝛃𝟏
H1 = b1 ≠ 0 ( Y depende de X ) t exp =
𝟏,𝟏𝟗
= 2,89 2,228 |𝟐, 𝟖𝟗| > |𝟐, 𝟐𝟐𝟖|
𝟎,𝟒𝟏
H1 = b1 ≠ 0 ( Y depende de X )
5. Calcule los coeficientes de correlación (r) y el coeficiente de determinación R2 de modelo
𝑺𝑪𝑬 𝟐𝟗𝟑,𝟖𝟕
R2 = 1- R2 = 1- 𝟓𝟑𝟕,𝟓𝟔 = 0,45 = 45 %
𝑺𝑪𝑻
𝟏 3)𝟐
(𝒙 &𝒙 5 (6+&5/,9P)#
DES. EST (𝒚 5 𝟐 D + 𝟎 3 𝟐F
%) =6𝝈 Des. Est. (𝑦n) =629,39 H56 + I= 4,56
𝒏 ∑(𝒙𝒊&𝒙) 5P,,9P
𝜶 𝒚
% = 57,89 + 1,19x Li 𝜷𝒐 Ls
𝑰𝑪(𝒚
%)= 𝒚
% ± 𝒕 H 𝟐 ; 𝒈𝒍I x Des.Est.( 𝒚
%)
7
7 = 𝑿𝜷
𝒀 7
𝒎𝒂𝒕𝒓𝒊𝒛 𝑿. 𝒎𝒂𝒕𝒓𝒊𝒛 𝜷
7,503837719
14,25932018
11,74945175
18,51151316
7,497258772
14,24177632
11,75164474
18,48958333
12,99013158
13,00548246
Matriz y
( 12, 1) 𝒚
0= Matriz Xβ 0)
ε = (y-𝒚 0)𝟐
ε = (𝐲 − 𝒚
y 𝒚
0
9 7,503837719 1,496162281 2,238501571
14 14,25932018 -0,25932018 0,067246956
10 11,74945175 -1,74945175 3,060581426
19 18,51151316 0,48848684 0,238619393
8 7,497258772 0,502741228 0,252748742
12 14,24177632 -2,24177632 5,025561069
11 11,75164474 -0,75164474 0,564969815
20 18,48958333 1,51041667 2,281358517
14 12,99013158 1,00986842 1,019834226
13 13,00548246 -0,00548246 3,00574E-05
SCE 14,74945177
𝑺𝑪𝑬
5𝟐 =
Var (ε) = 𝝈 = CME Des. Est (𝝈)
𝒏&𝒌&𝟏
𝟏𝟒,𝟕𝟒𝟗
5𝟐 =
Var (ε) = 𝝈 = 2,458 Des. Est (𝝈) =7𝟐, 𝟒𝟓𝟖 = 1,5678
𝟏𝟎&𝟑&𝟏
8
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒊)
𝑰𝑪(𝜷𝒊) = 𝜷J 𝒀 = −𝟑, 𝟖𝟐𝟕 + 𝟏𝟏, 𝟐𝟓𝟓𝑿𝟏 + 𝟎, 𝟐𝟔𝟔𝑿𝟐 − 𝟎, 𝟎𝟐𝟏𝟗𝑿𝟑 Li 𝜷𝒊 Ls
( ;𝒈𝒍)
𝟐
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒐)
𝑰𝑪(𝜷𝒐) = 𝜷𝒐 −3,827 ± 2,447 x 4,258 = −𝟑, 𝟖𝟐𝟕 ± 10,418 Li 𝜷𝒐 Ls
( ;𝒈𝒍)
𝟐
9:;,,
𝑺𝑪𝑹 = 1817,25055 – 9,
=
𝑺𝑪𝑹= (𝜷𝑻 𝑿𝑻 𝒀) − (∑ 𝒚𝒊)𝟐 127,2505
𝒏
𝑺𝑪𝑬= 1832 -1817,25055 =
𝑺𝑪𝑬= (𝒀 𝑻
𝒀) - (𝜷 𝑿 𝒀)
𝑻 𝑻 14,749452ăĈăĄā
𝟐
SCT= (𝒀𝑻 𝒀) − (∑ 𝒏𝒚𝒊) 127,2505 + 14,749452 = 142
= SCR + SCE
texp:
𝛃𝟏 ttab: [0,025;6] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟏)
H0 = b1 = 0 ( Y no depende de X )
H1 = b1 ≠ 0 ( Y depende de X )
𝛃𝟐
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟐) ttab: [0,025;6] |𝒕𝒆𝒙𝒑| > |𝒕𝒕𝒂𝒃|
H0 = b2 = 0 ( Y no depende de X )
H1 = b2 ≠ 0 ( Y depende de X )
𝛃𝟑
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟑) ttab: [0,025;6] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b3 = 0 ( Y no depende de X )
H0 = b3 = 0 ( Y no depende de X )
𝑺𝑪𝑬 𝟏𝟒,𝟕𝟒𝟗
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟏𝟒𝟐
= 0,896 = 89,6%
6. Estime el valor de Y con su intervalo de confianza, para un valor de pH= 2, temperatura = 10 y tiempo =
2,5 horas trabaje al 95% de confianza (α=5%)
𝑌m= 𝛃𝐨 + 𝛃𝟏𝐗𝟏 + 𝛃𝟐𝐗𝟐 + 𝛃𝟑𝐗𝟑
𝑌m= -3,827+ 11,255X1+ 0,2656X2 -0,022X3
𝑌m= -3,827+ 11,255(2) +0,2656(10) -0,022 (2,5)
𝑌m= 21,284
Xo
𝛃k X1 X2 X3
1 2 10 2,5
u= (2,45824) (0,66939)
𝑽𝒂𝒓(𝒚𝒐)
u=(s𝟐 )(Xo)(XTX)-1(XoT)
𝑽𝒂𝒓(𝒚𝒐) = 1,645544
s
p ) = q𝑽𝒂𝒓(𝒚𝒐)
Des.Est((𝒚𝒐
p ) = \𝟏, 𝟔𝟒𝟓𝟓𝟒𝟒 = 1,282
Des.Est((𝒚𝒐
Li 𝒚
0 Ls
𝑰𝑪(𝒚𝒐) = 𝒚 Y𝒐)
, ± 𝒕(𝜶;𝒈𝒍) ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝒚 21,284 ± 2,447 x 1,282 = 21,284 ± 3,137
𝟐
18,145 21,284 24,422
IV.- Un investigador está intentando optimizar la formulación de una pintura, el cliente quiere que la dureza de la pintura
este entre 25 y 30: El recubrimiento es una mezcla de tres componentes que consiste en un monómero (X1), un entre
lazador (X2) y una resina (X2), Las concentraciones de los componentes esta dado en porcentaje
Orden de X1 X2 X3 Y
corrida Monómero % entrelazador % Resina Dureza
2 17,50 32,50 50,00 29,00
1 10,00 40,00 50,00 26,00
4 15,00 25,00 60,00 17,00
13 25,00 25,00 50,00 28,00
7 5,00 25,00 70,00 35,00
3 5,00 32,50 62,50 31,00
6 11,25 32,50 56,25 21,00
11 5,00 40,00 55,00 20,00
10 18,13 28,75 53,33 29,00
14 8,13 28,75 63,13 25,00
12 25,00 25,00 50,00 19,00
9 15,00 25,00 60,00 14,00
5 10,00 40,00 50,00 30,00
8 5,00 25,00 70,00 23,00
Calcule:
1. La ecuación que rige el modelo lineal Y = βo + β1X+ β2X+ β3X
𝑿𝑻 (𝟒, 𝟏𝟒)
1 1 1 1 1 1 1 1 1 1 1 1 1 1
17,5 10 15 25 5 5 11,25 5 18,13 8,13 25 15 10 5
32,5 40 25 25 25 32,5 32,5 40 28,75 28,75 25 25 40 25
50 50 60 50 70 62,5 56,25 55 53,33 63,13 50 60 50 70 𝜷 = (𝑿𝑻 𝑿)/𝟏 𝑿𝑻 𝒀
𝑿𝑻 (𝟒, 𝟏𝟒)x X (10,4) = (𝑿𝑻 𝑿)(4,4)
7
7 = 𝑿𝜷
𝒀 7
𝒎𝒂𝒕𝒓𝒊𝒛 𝑿. 𝒎𝒂𝒕𝒓𝒊𝒛 𝜷
23,63226376
26,05580064
23,16935012
21,20872688
25,12997335
26,08304281
24,85765329
27,03611226
28,98683869
25,27638677
21,20872688
23,16935012
26,05580064
25,12997335
Matriz y
( 12, 1) 𝒚
0= Matriz Xβ 0)
ε = (y-𝒚 0)𝟐
ε = (𝐲 − 𝒚
y 𝒚
0
29 23,63226376 5,36773624 28,81259234
26 26,05580064 -0,05580064 0,003113711
17 23,16935012 -6,16935012 38,0608809
28 21,20872688 6,79127312 46,12139059
35 25,12997335 9,87002665 97,41742607
31 26,08304281 4,91695719 24,17646801
21 24,85765329 -3,85765329 14,88148891
20 27,03611226 -7,03611226 49,50687574
29 28,98683869 0,01316131 0,00017322
25 25,27638677 -0,27638677 0,076389647
19 21,20872688 -2,20872688 4,87847443
14 23,16935012 -9,16935012 84,07698162
30 26,05580064 3,94419936 15,55670859
23 25,12997335 -2,12997335 4,536786472
SCE 408,1057503
𝑺𝑪𝑬
A𝟐 =
Var (ε) = 𝝈 𝒏7𝒌7𝟏
= CME Des. Est (𝝈)
/,K,9,:
A𝟐 =
Var (ε) = 𝝈 = 40,811 Des. Est (𝝈) =√𝟒𝟎, 𝟖𝟏𝟏 = 6,388
𝟏𝟑7𝟑7𝟏
8
Var (βo) 10539335,5
Var (β 1) 1050,38681
Var (β 2) 1054,0846
A 𝟐 (𝑿𝑻 𝑿)7𝟏
Var (βi) = 𝝈 Var (β 3) 1054,09724
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒊)
𝑰𝑪(𝜷𝒊) = 𝜷J 𝒀 = −𝟐𝟖𝟏𝟐, 𝟔𝟎 + 𝟐𝟖, 𝟏𝟔𝑿𝟏 + 𝟐𝟖, 𝟒𝟖𝑿𝟐 + 𝟐𝟖, 𝟑𝟓𝑿𝟑 Li 𝜷𝒊 Ls
( ;𝒈𝒍)
𝟐
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝒐)
𝑰𝑪(𝜷𝒐) = 𝜷𝒐 −2812,60 ± 2,228 x 3246,43 = Li 𝜷𝒐 Ls
( ;𝒈𝒍)
𝟐
−𝟐𝟖𝟏𝟐, 𝟔𝟎 ± 7233,06 -10045,6 -2812,60 4420,45
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟏)
𝑰𝑪(𝜷𝟏) = 𝜷𝟏 28,16 ± 2,228 x 32,41 = Li 𝜷𝟏 Ls
( ;𝒈𝒍)
𝟐
28,16 ± 𝟕𝟐, 𝟐𝟎 -44,05 28,16 100,37
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟐)
𝑰𝑪(𝜷𝟐) = 𝜷𝟐 28,48 ± 2,228 x 32,47 = Li 𝜷𝟐 Ls
( ;𝒈𝒍)
𝟐
28,48± 𝟕𝟐, 𝟑𝟒 -43,85 28,48 100,82
K ± 𝒕 𝜶 ∗ 𝑫𝒆𝒔. 𝑬𝒔𝒕𝒂(𝜷𝟑)
𝑰𝑪(𝜷𝟑) = 𝜷𝟑 28,36 ± 2,228 x 32,47 = Li 𝜷𝟑 Ls
( ;𝒈𝒍)
𝟐
28,36± 𝟕𝟐, 𝟑𝟒 -43,98 28,36 100,69
3. Realice el análisis de varianzas (ANOVA) del modelo
*^-VC
12#3#4
𝑺𝑪𝑹 = 8660,8942 – =
13
𝟐
𝑺𝑪𝑹= (𝜷𝑻 𝑿𝑻 𝒀) − (∑ 𝒏𝒚𝒊) 60,25138
𝟐
SCT= (𝒀𝑻 𝒀) − (∑ 𝒏𝒚𝒊)
60,25138 +408,1057 = 468,3571
= SCR + SCE
glN : k 3 HIPOTESIS: Ho: β = 0 por lo tanto las variables X1,X2,X3
no influyen en la variable Y
glD = 𝑛 − 𝑘 − 1 14-3-1 = 10
HIPOTESIS: H1: β ≠ 0 por lo tanto al menos una de las
glT: n-1 14-1 = 13 variables X1,X2,X3 no influyen en la variable Y
4. Realice la prueba de hipótesis para los coeficientes βo, β1, β2 y β3 del modelo, trabaje al 95% de confianza
(α=5%)
𝛃𝐨
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝐨) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b = 0 ( Pasa por el origen )
H0 = b1 = 0 ( Y no depende de X )
𝛃𝟐
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟐) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b2 = 0 ( Y no depende de X )
H0 = b2 = 0 ( Y no depende de X )
𝛃𝟑
texp:𝒅𝒆𝒔𝒗.𝒆𝒔𝒕(𝛃𝟑) ttab: [0,025;10] |𝒕𝒆𝒙𝒑| ≤ |𝒕𝒕𝒂𝒃|
H0 = b3 = 0 ( Y no depende de X )
H0 = b3 = 0 ( Y no depende de X )
5. Calcule los coeficiente de correlación ( r) y el coeficiente de determinación R2 de modelo
𝑺𝑪𝑬 𝟒𝟎𝟖,𝟏𝟎𝟔
R2 = 1- 𝑺𝑪𝑻 R2 = 1- 𝟒𝟔𝟖,𝟑𝟓𝟕 = 0,129 = 12,9%
6. Determine el orden de influencia de los factores, en base a los valores de los coeficientes β de los factores
y el análisis de los puntos anteriores.