Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 40 vistas

    Ejemplo de Regresion Simple Lineal

    Cargado por

    karina martinez
    El resumen analiza los datos de egresos mensuales y número de hijos de 30 observaciones. Muestra que existe una fuerte correlación positiva entre las variables, con un coeficiente de determinación R2 de 0.94. Esto indica que el número de hijos explica el 94% de la varianza en los egresos mensuales. El error típico de la regresión es bajo a 22.99, lo que sugiere una buena precisión en la predicción de los egresos usando el número de hijos.

    Copyright:

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

    Ejemplo de Regresion Simple Lineal

    Cargado por

    karina martinez
    40 vistas5 páginas
    El resumen analiza los datos de egresos mensuales y número de hijos de 30 observaciones. Muestra que existe una fuerte correlación positiva entre las variables, con un coeficiente de determinación R2 de 0.94. Esto indica que el número de hijos explica el 94% de la varianza en los egresos mensuales. El error típico de la regresión es bajo a 22.99, lo que sugiere una buena precisión en la predicción de los egresos usando el número de hijos.

    Título original

    EJEMPLO DE REGRESION SIMPLE LINEAL

    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 analiza los datos de egresos mensuales y número de hijos de 30 observaciones. Muestra que existe una fuerte correlación positiva entre las variables, con un coeficiente de determinación R2 de 0.94. Esto indica que el número de hijos explica el 94% de la varianza en los egresos mensuales. El error típico de la regresión es bajo a 22.99, lo que sugiere una buena precisión en la predicción de los egresos usando el número de hijos.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    40 vistas5 páginas

    Ejemplo de Regresion Simple Lineal

    Cargado por

    karina martinez
    El resumen analiza los datos de egresos mensuales y número de hijos de 30 observaciones. Muestra que existe una fuerte correlación positiva entre las variables, con un coeficiente de determinación R2 de 0.94. Esto indica que el número de hijos explica el 94% de la varianza en los egresos mensuales. El error típico de la regresión es bajo a 22.99, lo que sugiere una buena precisión en la predicción de los egresos usando el número de hijos.

    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 5

    N DE HIJOS(XEGRESOS MENSUALES(Y)

    0 58
    0 59
    0 60 Resumen
    0 75
    1 80 Estadísticas de la regresión
    1 91 Coeficiente de correlación múltiple
    1 93 Coeficiente de determinación R^2

    2 93 R^2 ajustado

    2 94 Error típico
    2 95 Observaciones
    2 100
    3 102 ANÁLISIS DE VARIANZA

    3 110 Grados de liberta


    3 111 Regresión
    4 120 Residuos
    4 130 Total
    5 132
    6 150
    7 167 Intercepción
    7 230 Variable X 1
    8 245
    8 265
    8 275
    9 297 Análisis de los residuales
    9 299

    10 300 Observación
    11 307 1
    12 308 2
    12 309 3
    12 310 4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    de la regresión
    0.971312397184
    0.943447772923
    Indica que el 94% de la varianza de la variable dependiente egresos mensuales puede ser explicada
    por la variable independiente numero de hijos.
    0.941428050528

    Valores que se alejan de la recta,dicho de otro modo la desviacion tipica de los residuos. En este caso
    con 22.99 se establece que su nivel es bajo por consiguiente existe una buena prediccion en los
    egresos mensuales empleando numero de hijos como variable predictora. disminuye en la medida
    22.99424675158 que Rcuadrado se acerque a 1.
    30

    Suma de Promedio de los Valor crítico


    Grados de libertad cuadrados cuadrados F de F
    1 246981.576 246981.5759238 467.1175479 5.254816E-19 0.00
    28 14804.5907 528.7353836723
    29 261786.167

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
    53.16178953292 6.80206332 7.815538764488 1.633485E-08 39.228394455 67.095184611 39.2283945
    22.82990996061 1.05630931 21.61290234855 5.254816E-19 20.666158427 24.993661495 20.6661584

    Pronóstico para Y Residuos


    53.16178953292 4.83821047 0
    53.16178953292 5.83821047 0
    53.16178953292 6.83821047 0
    53.16178953292 21.8382105 0
    75.99169949353 4.00830051 1
    75.99169949353 15.0083005 1
    75.99169949353 17.0083005 1
    98.82160945414 -5.82160945 2
    98.82160945414 -4.82160945 2
    98.82160945414 -3.82160945 2
    98.82160945414 1.17839055 2
    121.6515194147 -19.6515194 3
    121.6515194147 -11.6515194 3
    121.6515194147 -10.6515194 3
    144.4814293754 -24.4814294 4
    144.4814293754 -14.4814294 4
    167.311339336 -35.3113393 5
    190.1412492966 -40.1412493 6
    212.9711592572 -45.9711593 7
    212.9711592572 17.0288407 7
    235.8010692178 9.19893078 8
    235.8010692178 29.1989308 8
    235.8010692178 39.1989308 8
    258.6309791784 38.3690208 9
    258.6309791784 40.3690208 9
    281.460889139 18.5391109 10
    304.2907990996 2.7092009 11
    327.1207090602 -19.1207091 12
    327.1207090602 -18.1207091 12
    327.1207090602 -17.1207091 12
    Variable X 1 Curva de regresión ajustada
    350
    300 f(x) = 22.8299099606078 x + 53.1617895329206
    R² = 0.94344777292348
    les puede ser explicada 250
    200 Y
    Linear (Y)
    Y

    150
    Pronóstico para Y
    os residuos. En este caso 100
    ena prediccion en los
    disminuye en la medida 50
    0
    0 2 4 6 8 10 12 14
    Variable X 1

    Superior 95.0%
    67.0951846
    24.9936615

    También podría gustarte