Actividad 1.3

INSTITUTO TECNOLÓGICO DE
AGUASCALIENTES
DIVISIÓN DE EDUCACIÓN A DISTANCIA
Profesor: M.C. José Armando Rodríguez Romo

Aguascalientes, Ags, Enero Junio 2012
Estadística II
Actividad de
Aprendizaje 1.3
Instituto Tecnológico de Aguascalientes – Educación a Distancia
UNIDAD 1 Regresión lineal simple y múltiple
 Nombre de la Descripción de la Actividad:

Actividad 1.3 : Estudiar cuidadosamente el archivo de Word “Regresión Lineal
Simple y Múltiple”, especialmente en la solución del ejemplo 1.2
“Regresión (en Statgraphics), para resolver los siguientes ejercicios.
lineal
múltiple”
(40%)
1. El supervisor de una empresa industrial está examinando la relación entre la

puntuación de un empleado laboral en una prueba de aptitudes, la experiencia
laboral y el éxito en el trabajo. La experiencia laboral de un empleado es
estudiada y ponderada, dándonos una puntuación entre 2 y 12. La medida del
éxito en el trabajo se basa en un sistema de puntos que incluye la productividad
total y la eficiencia, con un valor máximo posible de 50. El supervisor muestreo a
6 empleados del primer año de trabajo y obtuvo los siguientes datos:
Y X1
X2
Evaluación Puntuación en
Experiencia
del prueba de
previa
desempeño aptitudes
36 82 8
28 74 5
40 90 9
30 78 7
45 92 10
22 68 3
a) Obtener la ecuación de regresión múltiple a estos datos. (5%)
_Y = -30.2228 + 0.739604*_X1 + 0.580198*_X2
b) Interpretar los coeficientes de regresión de la ecuación encontrada. (5%)
c) Probar la significación de la regresión completa mediante el análisis de

varianza. (5%)
Estadística II Página 2 de 5
Análisis de Varianza
-----------------------------------------------------------------------------
Fuente Suma de cuadrados GL Cuadrado medio Cociente-F P-Valor
-----------------------------------------------------------------------------
Modelo 347.568 2 173.784 65.73 0.0033
Residuo 7.93168 3 2.64389
-----------------------------------------------------------------------------
Total (Corr.) 355.5 5
d) Calcular e interpretar el coeficiente de determinación múltiple r2. (5 %)
R-cuadrado = 97.7689 porcentaje. El estadístico R-cuadrado indica que el modelo

explica un 97.7689% de la variabilidad en _Y.
2. La blancura del rayón Y, es un factor importante para los científicos que estudian
la calidad de la tela. La blancura es afectada por la calidad de la pulpa y otras
variables del proceso como: temperatura del baño ácido, X1 (en °C);
concentración en cascada del ácido X2 ( en %); temperatura del agua X3, (en °C);
concentración de sulfuro, X4 (en %); cantidad de blanqueador de cloro, X5 ( en
lb/min) y temperatura de acabado de la manta X6, (en °C) . A continuación hay un
conjunto de datos tomados de una muestra de rayón.
Y X1 X2 X3 X4 X5 X6
44.8 43 0.211 85 0.189 0.411 48
50.9 47 0.397 87 0.198 0.462 61
75.5 52 0.486 93 0.198 0.485 54
83.4 43 0.488 83 0.203 0.499 57
87.9 51 0.525 90 0.211 0.5 64
89.3 48 0.527 92 0.221 0.527 61
90.3 43 0.604 85 0.237 0.533 63
92.1 53 0.641 87 0.245 0.606 65
50 0.450 90 0.210 0.500 65
a) Obtener el “mejor” modelo de regresión mediante el método de selección hacia
adelante. ( 5% )
Regresión por pasos
-------------------
Método: selección hacia adelante
F para introducir: 4.0
F para eliminar: 4.0
Paso 0:
---------
0 variables en el modelo. 7 g.l. para el error.
R-cuadrado = 0.00% R-cuadrado ajustado = 0.00% MSE = 347.979
Paso 1:
---------
Introduce la variable X2 con F para introducir = 32.9122
1 variables en el modelo. 6 g.l. para el error.
R-cuadrado = 84.58% R-cuadrado ajustado = 82.01% MSE = 62.5987
Modelo final seleccionado.

Y = 14.4484 + 128.542*X2
b) Obtener los intervalos del 95% de confianza para los coeficientes de regresión del
mejor modelo. ( 5% )
95.0% intervalos de confianza para las estimaciones de los coeficientes
-------------------------------------------------------------------------------
Error
Parámetro Estimación Estándar Límite Inferior Límite Superior
-------------------------------------------------------------------------------
CONSTANTE 14.4484 11.2185 -13.0023 41.899
X2 128.542 22.406 73.7159 183.367
-------------------------------------------------------------------------------
c) Estimar, con una confianza del 95%, la respuesta individual para X1= 50, X2 = 0.450,
X3 = 90, X4 = 0.210, X5=0. 500, X6 = 65, utilizando la ecuación del mejor modelo.( 5% )
Resultados de la Regresión para Y

------------------------------------------------------------------------------------------------------
Ajustado Error Est. para Inf. 95.0% CL Sup. 95.0% CL Inf. 95.0% CL Sup. 95.0% CL
Fila Valor la Predicción la Predicción la Predicción para la Media para la Media
------------------------------------------------------------------------------------------------------
9 72.2921 8.42817 51.6691 92.9152 65.1853 79.3989
------------------------------------------------------------------------------------------------------
d) Trazar una gráfica de probabilidad normal de los residuales para verificar el supuesto
de normalidad. ( 5% )
Gráfico de Probabilidad Normal

99.9
99
porcentaje
95
80
50
20
5
1
0.1
-15 -13 -11 -9 -7 -5 -3 -1 1 3 5 7 9
RESIDUALS

Actividad 1.3

Cargado por

Copyright:

Formatos disponibles

Actividad 1.3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad 1.3

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO DE

Profesor: M.C. José Armando Rodríguez Romo

UNIDAD 1 Regresión lineal simple y múltiple

 Nombre de la Descripción de la Actividad:

1. El supervisor de una empresa industrial está examinando la relación entre la

a) Obtener la ecuación de regresión múltiple a estos datos. (5%)

_Y = -30.2228 + 0.739604_X1 + 0.580198_X2

b) Interpretar los coeficientes de regresión de la ecuación encontrada. (5%)

c) Probar la significación de la regresión completa mediante el análisis de

R-cuadrado = 97.7689 porcentaje. El estadístico R-cuadrado indica que el modelo

R-cuadrado = 0.00% R-cuadrado ajustado = 0.00% MSE = 347.979

Modelo final seleccionado.

Resultados de la Regresión para Y

Gráfico de Probabilidad Normal

También podría gustarte