INSTITUTO TECNOLÓGICO SUPERIOR DE Alumno:
NARANJOS Pedro Leoncio
Gutierrez
Materia: Estadística Inferencial 1 Nolasco
Periodo: Febrero – Julio 2024
Nivel Taxonómico del examen: Conocimiento
DOCENTE: M.I.P. MANUEL MATA HERNANDEZ GRUPO: 4º
FECHA: 07 DE JUNIO DE 2024 UNIDAD: 5
I. RESPONDA CORRECTAMENTE LAS SIGUIENTES CUESTIONES.
1.- ¿Para que sirve la regresión lineal simple?
La regresión lineal simple es una técnica estadística utilizada para modelar la relación entre una
variable independiente (predictor) y una variable dependiente (respuesta) mediante una línea recta.
Se utiliza para predecir el valor de la variable dependiente basándose en el valor de la variable
independiente.
2.- ¿Cuatas y cuales variables son consideradas y necesarias para llevar a cabo la regresión
linealsimple?
Es necesario tener al menos un par de variables: una variable independiente y una variable dependiente. Estas
variables deben tener una relación lineal, es decir, que los datos puedan ser aproximados por una línea recta en
un gráfico de dispersión.
Es importante destacar que, en la regresión lineal simple, se asume que la relación entre las variables es lineal
y que no hay una influencia significativa de otras variables no consideradas en el modelo. Si se desea
considerar más de una variable independiente, se puede recurrir a la regresión lineal múltiple.
3.- ¿Qué indica el coeficiente de determinación?
También conocido como R cuadrado (R^2), es una medida estadística que indica la proporción de la varianza
de la variable dependiente que es explicada por la variable independiente en un modelo de regresión. En otras
palabras, el coeficiente de determinación proporciona información sobre la bondad de ajuste del modelo de
regresión a los datos observados.
4.- ¿Qué indica el coeficiente de correlación?
El coeficiente de correlación es una medida que describe la fuerza y la dirección de una relación lineal entre
dos variables. El coeficiente de correlación se refiere al coeficiente de correlación de Pearson, que es una
medida de la relación lineal entre la variable independiente y la variable dependiente. tente.
5.- ¿Para que sirve el error estándar de estimación?
Es una medida estadística que indica la precisión con la que los coeficientes de regresión estimados
representan los verdaderos parámetros de la población en un modelo de regresión. En otras palabras, el error
estándar de estimación proporciona una estimación de la variabilidad de las predicciones realizadas por el
modelo de regresión.
6.- ¿Qué relación existe entre la hipótesis nula y la hipótesis alternativa?
La relación entre la hipótesis nula y la hipótesis alternativa es complementaria y excluyente:
● Si se rechaza la hipótesis nula (H0), se acepta la hipótesis alternativa (H1). Esto significa que
hay evidencia suficiente para afirmar que existe un efecto, relación o diferencia significativa.
● Si no se rechaza la hipótesis nula (H0), no se puede concluir a favor de la hipótesis alternativa
(H1). Esto indica que no hay suficiente evidencia para afirmar la presencia de un efecto, relación o diferencia
significativa.
7.- ¿Cuál es la finalidad del cálculo del error estándar de la media condicionada?
el cálculo del error estándar de la media condicionada es importante en el análisis de regresión para evaluar la
precisión de la estimación de la media condicionada y para interpretar la dispersión de los datos alrededor de la
línea de regresión para un valor dado de la variable independiente. Un error estándar de la media condicionada
más bajo indica una mayor precisión en la estimación de la media condicionada.
8.- Interprete el intervalo de confianza para un valor de Y calculado.
La interpretación del intervalo de confianza para un valor de Y calculado es la siguiente:
1. Nivel de Confianza: El intervalo de confianza se establece con un nivel de confianza específico,
que indica la probabilidad de que el intervalo contenga el verdadero valor de Y. Por ejemplo, un intervalo de
confianza del 95% significa que se espera que el 95% de los intervalos calculados de la misma manera
contengan el verdadero valor de Y.
2. Rango de Valores: El intervalo de confianza proporciona un rango de valores dentro del cual se
espera que se encuentre el verdadero valor de Y. Por ejemplo, un intervalo de confianza del 95% puede ser
[Ymin, Ymax], donde Ymin es el límite inferior del intervalo y Ymax es el límite superior del intervalo.
3. Incertidumbre: El intervalo de confianza refleja la incertidumbre asociada con la predicción de
Y en el modelo de regresión. Cuanto más estrecho sea el intervalo, mayor será la precisión de la predicción.
Por otro lado, un intervalo más amplio indica mayor incertidumbre en la predicción de Y.
9.- ¿Cuál es la función de la ecuación de la regresión lineal simple?
1. Predecir valores de la variable dependiente: Una vez que se han estimado los coeficientes β0 y β1 a partir de los
datos, la ecuación de regresión se utiliza para predecir o estimar los valores de Y para diferentes valores de X.
2. Modelar la relación entre las variables: La ecuación de regresión lineal simple modela la relación lineal
entre la variable independiente y la variable dependiente, lo que permite entender cómo cambia Y en función de X.
3. Interpretar los coeficientes de regresión: Los coeficientes β0 y β1 en la ecuación de regresión
proporcionan información sobre la intersección y la pendiente de la línea de regresión, respectivamente.
