Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 36 vistas

    Taller 6 Regresión

    Cargado por

    Francisco Alberto Carvache Tutiven
    El resumen presenta los resultados de un análisis de regresión múltiple realizado para estimar el recuento en función de la temperatura y la humedad. El coeficiente de correlación múltiple es alto (0.956) y el coeficiente de determinación (0.914) indica que el 91.4% de la variación en el recuento puede predecirse a partir de las variables independientes. La ecuación de regresión es Recuento = 25.7115 + 1.5818Temperatura + 1.5244Humedad.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd

    Taller 6 Regresión

    Cargado por

    Francisco Alberto Carvache Tutiven
    36 vistas13 páginas
    El resumen presenta los resultados de un análisis de regresión múltiple realizado para estimar el recuento en función de la temperatura y la humedad. El coeficiente de correlación múltiple es alto (0.956) y el coeficiente de determinación (0.914) indica que el 91.4% de la variación en el recuento puede predecirse a partir de las variables independientes. La ecuación de regresión es Recuento = 25.7115 + 1.5818Temperatura + 1.5244Humedad.

    Descripción original:

    Taller de regresion

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    XLSX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El resumen presenta los resultados de un análisis de regresión múltiple realizado para estimar el recuento en función de la temperatura y la humedad. El coeficiente de correlación múltiple es alto (0.956) y el coeficiente de determinación (0.914) indica que el 91.4% de la variación en el recuento puede predecirse a partir de las variables independientes. La ecuación de regresión es Recuento = 25.7115 + 1.5818Temperatura + 1.5244Humedad.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    36 vistas13 páginas

    Taller 6 Regresión

    Cargado por

    Francisco Alberto Carvache Tutiven
    El resumen presenta los resultados de un análisis de regresión múltiple realizado para estimar el recuento en función de la temperatura y la humedad. El coeficiente de correlación múltiple es alto (0.956) y el coeficiente de determinación (0.914) indica que el 91.4% de la variación en el recuento puede predecirse a partir de las variables independientes. La ecuación de regresión es Recuento = 25.7115 + 1.5818Temperatura + 1.5244Humedad.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    Está en la página 1de 13

    SUMMARY OUTPUT

    Regression Statistics
    Multiple R 0.95602293165907 r2
    R Square 0.91397984585799 r2
    Adjusted R Square 0.89964315350099
    Standard Error 5.35055726798159
    Observations 15

    ANOVA
    df SS MS
    Regression 2 3650.19177639793 1825.09588819896
    Residual 12 343.541556935407 28.6284630779506
    Total 14 3993.73333333333

    Coefficients Standard Error t Stat


    Intercept 25.7115301126936 14.3724855009851 1.78894110631952
    Temperatura 1.58181797617712 0.320263009525062 4.93912168789924
    Humedad 1.54244783578201 0.199504178774785 7.73140615527274

    RESIDUAL OUTPUT

    Observation Predicted Recuento Residuals


    1 157.410148260091 -1.41014826009072
    2 151.279727057358 5.72027294264223
    3 173.188957881467 3.81104211853324
    4 144.991825293044 0.008174706955572
    5 188.495325818101 8.50467418189851
    6 183.67113160878 0.328868391220112
    7 171.567769764895 0.432230235105464
    8 183.74987188957 3.25012811042987
    9 166.861685976758 -9.86168597675828
    10 166.704205415178 2.29579458482215
    11 199.568051651341 0.431948348658693
    12 190.273994496254 2.72600550374585
    13 169.670990665557 -2.67099066555653
    14 177.737561108023 -7.73756110802253
    15 197.828753113584 -5.82875311358373
    F Significance F
    63.7510956571272 4.0513643169858E-07

    P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%


    0.098875902267011 -5.60342569105897 57.0264859 -5.60342569 57.0264859
    0.000342592223796 0.884024822156071 2.27961113 0.88402482 2.27961113
    5.32418373077265E-06 1.10776557149528 1.9771301 1.10776557 1.9771301

    Seg´un el ajuste anterior: Recuento = 25.7115 + 1.5818Temperatura + 1.5

    yc+ 25.7115+1.5818X1+1.5424X2
    Temperatura Line Fit Plot
    12
    10
    8
    Recuento

    6 Recuento
    4 Predicted Recuento
    2
    0
    0 2 4 6 8 10 12
    Temperatura

    Humedad Line Fit Plot


    250
    200
    Recuento

    150 Recuento
    100 Predicted Recuento
    50
    0
    0 500 1000 1500 2000 2500 3000 3500 4000 4500
    Humedad

    1.5818Temperatura + 1.5424Humedad

    5818X1+1.5424X2
    El Gobierno Municipal de Aguas Calientes desea estimar la recaudacion de adeudos en
    a) Los gastos de publicidad en TV
    b) volantes de los descuentos disponibles que ofrece a sus habitantes
    los datos historicos de una muestra de 8 semanas son:

    Recaudacion semanal (miles de S) Anuncios en TV (miles de S)


    96 5
    90 2

    95 4

    92 2.5
    95 3
    94 3.5
    94 2.5
    94 3

    a) Estime una ecuacion de regresion multiple para estimar la recaudacion semanal (yc) con base en los gastos de
    publicidad y los anuncios en volantes

    b) Determine el coeficiente de correlacion multiple, el coeficiente de determinacion y el error estandar


    Interprete cada uno de ellos
    c) Opine sobre la efectividad de la estimacion de cada variable independiente a traves del analisis del coeficiente b
    d) Interpete cada coeficiente b
    ea estimar la recaudacion de adeudos en los servicios publicos en funcion de:

    ofrece a sus habitantes


    anas son:

    Anuncios en volantes (miles de S) Resumen


    1.5
    2 Estadísticas de la regresión
    Coeficiente de correlación
    1.5 múltiple 0.95866344
    Coeficiente de
    2.5 determinación R^2 0.9190356
    3.3 R^2 ajustado 0.88664984
    2.3 Error típico 0.6425873
    4.2 Observaciones 8
    2.5
    ANÁLISIS DE VARIANZA
    Grados de
    libertad
    Regresión 2
    recaudacion semanal (yc) con base en los gastos de Residuos 5
    Total 7

    ente de determinacion y el error estandar Coeficientes


    Intercepción 83.2300917
    e independiente a traves del analisis del coeficiente b Anuncios en TV (miles de S) 2.29018362
    Anuncios en volantes (miles d 1.3009891

    Análisis de los residuales

    Observación
    Pronóstico Recaudacion semanal (miles de S)
    1 96.6324934
    2 90.4124371
    3 94.3423098
    4 92.2080235
    5 94.3939066
    6 94.2380093
    7 94.419705
    8 93.3531153
    La correlacion es alta y dircta

    El 89% en los cambios de la variable dependiente recaudacion voy a tener un error mas menos de miles de S

    Suma de Promedio de los


    cuadrados cuadrados F Valor crítico de F
    23.4354077924578 11.7177038962289 28.377768387924 0.0018652423115
    2.06459220754218 0.41291844150844
    25.5

    Error típico Estadístico t Probabilidad Inferior 95% Superior 95%


    1.57386895173935 52.8824789371121 4.571749093553E-08 79.184332751118 87.2758506
    0.30406455605456 7.53189931320673 0.000653231667315 1.5085607962632 3.07180645
    0.32070159704285 4.05669666211936 0.009760797801098 0.4765993982422 2.1253788

    Yc= 83,23+2,29X1+1,30X2

    Error de estimacion 0.6425873026356


    Residuos
    -0.6324934421101
    -0.4124371284865
    0.65769017880778
    -0.2080234880755
    0.60609342285756
    -0.2380092893413
    -0.4197049551176
    0.6468847014656
    mas menos de miles de S

    Inferior 95,0%Superior 95,0%


    79.1843328 87.2758506
    1.5085608 3.07180645
    0.4765994 2.1253788
    Los datos obtenidos son los siguientes:
    Temperatura 15 16 24 13 21 16 22 18 20 16 28 27 13
    Humedad 70 65 71 64 84 86 72 84 71 75 84 79 80
    Recuento 156 157 177 145 197 184 172 187 157 169 200 193 167

    TEMPERATURA (X1HUMEDAD (X2) RECUENTO (Y1)


    15 70 156
    16 65 157
    24 71 177
    13 64 145
    21 84 197
    16 86 184
    22 72 172
    18 84 187
    20 71 157
    16 75 169
    28 84 200
    27 79 193
    13 80 167
    22 76 170
    23 88 192
    0 16 28 27 13 22 23
    1 75 84 79 80 76 88
    57 169 200 193 167 170 192

    Resumen

    Estadísticas de la regresión
    Coeficiente d 0.95602293 La relacion es directa y alta
    Coeficiente d 0.91397985
    R^2 ajustado 0.89964315 EL 90% DE LOS CAMBIOS DE LA VARIABLE DEPENDIENTE SE EXPLICA POR LO
    Error típico 5.35055727 Error der estimacion, cuando haga la estimacion del numero de parasitos co
    Observacione 15

    ANÁLISIS DE VARIANZA
    Grados de libertad
    Suma de cuadrados
    Promedio de los cuadrados F Valor crítico de F
    Regresión 2 3650.19178 1825.09589 63.7510957 4.05136E-07
    Residuos 12 343.541557 28.6284631
    Total 14 3993.73333

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95%


    Intercepción 25.7115301 14.3724855 1.78894111 0.0988759 -5.60342569
    TEMPERATURA1.58181798 0.32026301 4.93912169 0.000342592 0.88402482
    HUMEDAD (X 1.54244784 0.19950418 7.73140616 5.32418E-06 1.10776557

    Yc= 25,71+1,58x1+1,54x2
    Análisis de los residuales
    R2
    Observación
    Pronóstico RECUENTO (Y1)
    Residuos
    1 157.410148 -1.41014826 Error de estim
    2 151.279727 5.72027294
    3 173.188958 3.81104212 Nivel de conf
    4 144.991825 0.00817471 Error del mod
    5 188.495326 8.50467418
    6 183.671132 0.32886839 El P Value o probabilidad tiene que
    7 171.56777 0.43223024
    8 183.749872 3.25012811
    9 166.861686 -9.86168598
    10 166.704205 2.29579458
    11 199.568052 0.43194835
    12 190.273994 2.7260055
    13 169.670991 -2.67099067
    14 177.737561 -7.73756111
    15 197.828753 -5.82875311
    DEPENDIENTE SE EXPLICA POR LOS CAMBIOS EN LA TEMPERATURA Y LA HUMEDAD
    macion del numero de parasitos con base a la temperatura y la humedad

    or crítico de F

    Superior 95% Inferior 95,0%Superior 95,0%


    57.0264859 -5.60342569 57.0264859
    2.27961113 0.88402482 2.27961113
    1.9771301 1.10776557 1.9771301

    = 25,71+1,58x1+1,54x2

    0.91397985 Coeficiente de determinacion

    5.35055727

    95%
    5% 0.05

    P Value o probabilidad tiene que ser menor que el error

    También podría gustarte