Matrícula
2888272
3019082
Actividad 5: Predicción y análisis, regresión múltiple y cálculo de valore
Descripción:
Objetivo de la actividad:
Realizar la predicción y el análisis de cada problema, encontrando la ecuación por medio de la regresión.
Descripción de la actividad:
A través de esta actividad el alumno comprenderá la utilidad en la predicción y el análisis por medio de la regresión lineal
Requerimientos para la actividad:
Excel.
Instrucciones (actividad colaborativa o individual):
Recomendación: consulta la explicación del tema 8 y 9.
Recursos de apoyo: en el siguiente link encontrarás los recursos de apoyo del tema 11 y 12.
Realiza las siguientes acciones:
1. Los tiempos de atención a clientes en las cajas de un supermercado y los valores de las compras están registrad
2. A continuación se presentan la calificación de una muestra aleatoria de estudiantes de nuevo ingreso a cierta universid
estudiante.
Estudiante
1
2
3
4
5
6
7
8
9
10
11
12
a) Ajuste una ecuación de regresión lineal múltiple de la forma
b) Estime la calificación de estadística para un estudiante que en la prueba de inteligencia obtuvo 50 de calificació
3. En una compañía manufacturera de línea blanca, se llevan a cabo algunos ensayos experimentales, con un horno para
(x1) y a diferentes temperaturas (x2).
Los datos obtenidos están representados en la tabla:
Tiempo de
cocción
(y)
6.4
15.05
18.75
30.25
44.85
48.94
51.55
61.5
100.44
111.42
a) Estime la ecuación de regresión lineal múltiple.
b) Interpreta los coeficientes individuales de la ecuación de regresión lineal múltiple considerando el contexto del
c) Pronostica el tiempo de cocimiento cuando el nivel del ancho del horno es de 5 pies y la temperatura de cocció
Preguntas de discusión e
a. ¿Qué diferencia existe entre hacer una predicción de un valor de X, empleando la ecuación de regresión lineal,
puntal?
b. Considerando los problemas que realizaste en la actividad, ¿a qué conclusiones puedes llegar respecto al ajus
c. ¿En qué situaciones es útil emplear una regresión lineal múltiple? ¿Cómo decides emplear una regresión lineal
Nota para el alumno: Considera que tu actividad debe estar documentada (proceso) y fundamentada.
Entregable(s): Proceso y resultado de los ejercicios.
Criterios de evaluación de la actividad:
1. Ecuación de regresión múltiple.
2. Interpretación práctica de las predicciones, análisis de la regresión, estimados e intervalos de confianza.
3. Entrega de conclusiones en términos del problema.
Alumno
Jorge Adrian Quiroz Salazar
Rodolfo Sebastian Puente Sanchez
ctividad 5: Predicción y análisis, regresión múltiple y cálculo de valores puntua
cripción:
etivo de la actividad:
lizar la predicción y el análisis de cada problema, encontrando la ecuación por medio de la regresión.
cripción de la actividad:
avés de esta actividad el alumno comprenderá la utilidad en la predicción y el análisis por medio de la regresión lineal y múltiple.
uerimientos para la actividad:
el.
rucciones (actividad colaborativa o individual):
Recomendación: consulta la explicación del tema 8 y 9.
Recursos de apoyo: en el siguiente link encontrarás los recursos de apoyo del tema 11 y 12.
liza las siguientes acciones:
. Los tiempos de atención a clientes en las cajas de un supermercado y los valores de las compras están registrados en la siguien
Tiempo requerido de atención (en minutos) x
3.6
4.1
0.8
5.7
3.4
1.8
4.3
0.2
2.6
1.3
a. Estimen la ecuación de regresión lineal.
b. Calculen las predicciones (valores puntuales) para los siguientes valores de X0: 3, 4, 5, 6,7.
c. Obtengan los intervalos de confianza al 99 para cada valor puntual de Y para los diferentes valores de X0.
continuación se presentan la calificación de una muestra aleatoria de estudiantes de nuevo ingreso a cierta universidad, en la clase d
diante.
Calificación en estadística (y)
85
74
76
90
85
87
94
98
81
91
76
74
a) Ajuste una ecuación de regresión lineal múltiple de la forma
b) Estime la calificación de estadística para un estudiante que en la prueba de inteligencia obtuvo 50 de calificación y perdió 3 cla
n una compañía manufacturera de línea blanca, se llevan a cabo algunos ensayos experimentales, con un horno para determinar una
y a diferentes temperaturas (x2).
datos obtenidos están representados en la tabla:
Niveles de ancho del horno en ft
(x1)
1.32
2.69
3.56
4.41
5.35
6.2
7.12
8.87
9.8
10.65
a) Estime la ecuación de regresión lineal múltiple.
b) Interpreta los coeficientes individuales de la ecuación de regresión lineal múltiple considerando el contexto del problema.
c) Pronostica el tiempo de cocimiento cuando el nivel del ancho del horno es de 5 pies y la temperatura de cocción es de 25°Cen
Preguntas de discusión en el aula
a. ¿Qué diferencia existe entre hacer una predicción de un valor de X, empleando la ecuación de regresión lineal, y hacer una pre
puntal?
b. Considerando los problemas que realizaste en la actividad, ¿a qué conclusiones puedes llegar respecto al ajuste de la ecuació
c. ¿En qué situaciones es útil emplear una regresión lineal múltiple? ¿Cómo decides emplear una regresión lineal múltiple y no un
a para el alumno: Considera que tu actividad debe estar documentada (proceso) y fundamentada.
regable(s): Proceso y resultado de los ejercicios.
erios de evaluación de la actividad:
. Ecuación de regresión múltiple.
. Interpretación práctica de las predicciones, análisis de la regresión, estimados e intervalos de confianza.
. Entrega de conclusiones en términos del problema.
s puntuales.
múltiple.
en la siguiente tabla.
Valor de las
compras (en
dólares)
30.6
30.5
2.4
42.2
21.8
6.2
40.1
2
15.5
6.5
, en la clase de estadística. Así como sus calificaciones en el examen y las clases perdidas por
Calificación
en el Clases
examen perdidas
(x2)
(x1)
65 1
50 7
55 5
65 2
55 6
70 3
65 2
70 5
55 4
70 3
50 1
55 4
y perdió 3 clases.
eterminar una forma de predecir el tiempo de cocción (y), a diferentes niveles de ancho del horno
Temperatura
en °C
(x2)
1.15
3.4
4.1
8.75
14.82
15.15
15.32
18.18
35.19
40.4
oblema.
es de 25°Centigrados.
el aula
hacer una predicción considerando las fuentes de incertidumbre relacionadas con la predicción
de la ecuación y las contribuciones de las variables independientes?
últiple y no una regresión lineal?
1. Los tiempos de atención a clientes en las cajas de un supermercado y los valores de las compras están registrad
a. Estimen la ecuación de regresión lineal.
Tiempo requerido Valor de las
de atención (en compras (en
minutos) dólares)
x y xy x²
1 3.6 30.6 110.16 12.96
2 4.1 30.5 125.05 16.81
3 0.8 2.4 1.92 0.64
4 5.7 42.2 240.54 32.49
5 3.4 21.8 74.12 11.56
6 1.8 6.2 11.16 3.24
7 4.3 40.1 172.43 18.49
8 0.2 2 0.4 0.04
9 2.6 15.5 40.3 6.76
10 1.3 6.5 8.45 1.69
n 27.8 197.8 784.53 104.68
∑▒𝑋𝑌= ∑▒𝑋^2 = ∑▒𝑌^2 =
𝑋 ̅= 2.78 𝑌 ̅= 19.78 784.53 104.68
b₁=
b₀=
b. Calculen las predicciones (valores puntuales) para los siguientes valores de X0: 3, 4, 5, 6,7.
𝑌 ̂=𝑏_0+𝑏_1 𝑋 Ŷ=b₀+b₁(3)= 21.6642940575266
Ŷ=b₀+b₁(4)= 30.2292670462841
Ŷ=b₀+b₁(5)= 38.7942400350416
Ŷ=b₀+b₁(6)= 47.3592130237991
Ŷ=b₀+b₁(7)= 55.9241860125566
c. Obtengan los intervalos de confianza al 99 para cada valor puntual de Y para los diferentes valores de X
Intervalos de Confianza
X Y t(0.1)/2,(8) Limite Inferior
3 21.6642940575266 3.355 6.97571627798857
4 30.2292670462841 3.355 15.194394464778
5 38.7942400350416 3.355 22.9627394970996
6 47.3592130237991 3.355 30.3438856861386
7 55.9241860125566 3.355 37.4119668339502
as compras están registrados en la siguiente tabla.
Resumen
y²
Estadísticas de la regresión
936.36 Coeficiente de co 0.967074332594
930.25 Coeficiente de d 0.935232764761
5.76 R^2 ajustado 0.927136860357
1780.84 Error típico 4.171021279016
475.24 Observaciones 10
38.44
1608.01 ANÁLISIS DE VARIANZA
4 Grados de libertad
Suma dePromedio
cuadrados
de los cuadrados
F
240.25 Regresión 1 2009.7367 2009.7367 115.51925
42.25 Residuos 8 139.17935 17.397419
6061.4 Totales Total 9 2148.916
∑▒𝑌^2 =
6061.4 Coeficientes Error típicoEstadístico Probabilidad
t
Intercepción -4.030624908746 2.5782836 -1.563298 0.1566103
Variable X 1 8.564972988757 0.7968908 10.747988 4.941E-06
8.56497298875748
-4.0306249087458
Ŷ= 8.565x-4.0306
X0: 3, 4, 5, 6,7.
NOTA:
los diferentes valores de X0. El estudiante puede calcular esto directamente en Excel
usando la regresion
Intervalos de Confianza
Limite Superior
36.3528718370647
45.2641396277903
54.6257405729836
64.3745403614596
74.4364051911629
Valor crítico de F
4.941E-06
Inferior 95% Superior 95%Inferior 99.0%
Superior 99.0%
-9.976158 1.914907701 -12.68176 4.6205152
6.7273395 10.40260653 5.8910956 11.23885
2. A continuación se presentan la calificación de una muestra aleatoria de estudiantes de nuevo ingreso a cierta universid
calificaciones en el examen y las clases perdidas por estudiante.
Calificación en
Calificación el examen
Clases perdidas
Estudiante en estadística
(x2)
(y)
(x1)
1 85 65 1
2 74 50 7
3 76 55 5
4 90 65 2
5 85 55 6
6 87 70 3
7 94 65 2
8 98 70 5
9 81 55 4
10 91 70 3
11 76 50 1
12 74 55 4
a) Ajuste una ecuación de regresión lineal múltiple de la forma
La ecuación es: 27.54+0.9216+0.28424+e
b) Estime la calificación de estadística para un estudiante que en la
prueba de inteligencia obtuvo 50 de calificación y perdió 3 clases.
X1 X2 Y
50 3 74.483370670343
s de nuevo ingreso a cierta universidad, en la clase de estadística. Así como sus
NOTA:
El estudiante puede calcular esto directamente
usando la regresion
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.86476271
Coeficiente de determinación R^2 0.74781454
R^2 ajustado 0.69177333
Error típico 4.51730079
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados
Regresión 2 544.5959417543 272.297971
Residuos 9 183.6540582457 20.4060065
Total 11 728.25
Coeficientes Error típico Estadístico t
Intercepción 27.5467 12.49811297477 2.20406873
Variable X 1 0.92167844 0.185826851506 4.95987762
Variable X 2 0.28424953 0.753596700111 0.37719051
e calcular esto directamente en Excel
F Valor crítico de F
13.3440108 0.00203114
Probabilidad Inferior 95% Superior 95%Inferior 95.0 Superior 95.0%
0.05497457 -0.7259958 55.8193958 -0.7259958 55.8193958
0.00078065 0.5013089 1.34204799 0.5013089 1.34204799
0.71477241 -1.42050465 1.9890037 -1.42050465 1.9890037
3. En una compañía manufacturera de línea blanca, se llevan a cabo algunos ensayos experimentales, con un horno para
forma de predecir el tiempo de cocción (y), a diferentes niveles de ancho del horno (x1) y a diferentes temperaturas (x2).
Los datos obtenidos están representados en la tabla:
Resumen
Niveles de
Tiempo de Temperatura en
ancho del horno
cocción °C
en ft
(y) (x1) (x2)
Estadísticas de la regresión
6.4 1.32 1.15 Coeficiente de correlación múl
15.05 2.69 3.4 Coeficiente de determinación
18.75 3.56 4.1 R^2 ajustado
30.25 4.41 8.75 Error típico
44.85 5.35 14.82 Observaciones
48.94 6.2 15.15
51.55 7.12 15.32 ANÁLISIS DE VARIANZA
61.5 8.87 18.18 Grados de libertad
100.44 9.8 35.19 Regresión
111.42 10.65 40.4 Residuos
Total
a) Estime la ecuación de regresión lineal múltiple.
Intercepción
La ecuación es 0.57998+2.7122X1+2.0497X2+e Variable X 1
Variable X 2
b) Interpreta los coeficientes individuales de la ecuación de regresión lineal múltiple considerando el contexto del
- El valor de b0 es = 0.57998, de nuevo, la intersección con el eje Y, en donde ahora se interpreta como el va
engañoso tratar de interpretar este valor, en especial si el cero está fuera del rango de valores de las variab
- La relación entre Y(Tiempo de Coccion) y X1 (Niveles de ancho del horno) se describe por b1= 2.71223. De
, Tiempo de coccion se incrementa en 2.71223 en promedio, manteniendo constante la X2 (Temperatura en
- El coeficiente b2= 2.049707 especifica que por cada unidad de Temperatura (Centigrados), Tiempo coccio
c) Pronostica el tiempo de cocimiento cuando el nivel del ancho del horno es de 5 pies y la tempe
X1 X2 Y
5 25 65.383862967
NOTA:
xperimentales, con un horno para determinar una
y a diferentes temperaturas (x2).
El estudiante puede calcular esto directamente en Excel
usando la regresion
as de la regresión
0.999862111
0.999724241
0.9996454527
0.6569711522
10
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
2 10953.202572 5476.6012862 12688.74074977 3.482E-13
7 3.0212776633 0.4316110948
9 10956.22385
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
0.5799878946 0.6068534641 0.9557297255 0.371041828335 -0.854993 2.014968313 -0.854992523675
2.7122375794 0.2020864444 13.421175217 2.99026085E-06 2.2343791 3.1900960867 2.2343790719871
2.049707487 0.0480818127 42.62958013 1.02000699E-09 1.9360121 2.1634029074 1.936012066666
iple considerando el contexto del problema.
onde ahora se interpreta como el valor de Y cuando X1 y X2 son iguales a cero. Sin embargo, como se observó en la regresión lineal simple,
a del rango de valores de las variables independientes (como es en el presente caso).
no) se describe por b1= 2.71223. De este número puede decirse que en este modelo, por cada unidad adicional Resultado de los niveles de
do constante la X2 (Temperatura en (Centigrados)).
atura (Centigrados), Tiempo coccion (Y) se incrementa en 2.049707 en promedio, manteniendo constante la X1 (Niveles de ancho de horno
del horno es de 5 pies y la temperatura de cocción es de 25°Centigrados.
Superior 95.0%
2.0149683
3.1900961
2.1634029
en la regresión lineal simple, a menudo es
l Resultado de los niveles de ancho de horno
1 (Niveles de ancho de horno).
