Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 30 vistas

    Tarea 11

    Cargado por

    csgo csgo
    El documento presenta cuatro estudios de regresión lineal múltiple. El primero analiza los factores que afectan el tiempo de reparto de helados. El segundo modela la producción de trabajadores en función de aptitud y experiencia. El tercero estudia los factores que influyen en las ventas anuales de acero. El cuarto estima una variable Y en función de cuatro predictores.

    Copyright:

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

    Tarea 11

    Cargado por

    csgo csgo
    30 vistas4 páginas
    El documento presenta cuatro estudios de regresión lineal múltiple. El primero analiza los factores que afectan el tiempo de reparto de helados. El segundo modela la producción de trabajadores en función de aptitud y experiencia. El tercero estudia los factores que influyen en las ventas anuales de acero. El cuarto estima una variable Y en función de cuatro predictores.

    Título original

    Tarea-11

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta cuatro estudios de regresión lineal múltiple. El primero analiza los factores que afectan el tiempo de reparto de helados. El segundo modela la producción de trabajadores en función de aptitud y experiencia. El tercero estudia los factores que influyen en las ventas anuales de acero. El cuarto estima una variable Y en función de cuatro predictores.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    30 vistas4 páginas

    Tarea 11

    Cargado por

    csgo csgo
    El documento presenta cuatro estudios de regresión lineal múltiple. El primero analiza los factores que afectan el tiempo de reparto de helados. El segundo modela la producción de trabajadores en función de aptitud y experiencia. El tercero estudia los factores que influyen en las ventas anuales de acero. El cuarto estima una variable Y en función de cuatro predictores.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 4

    REGRESIÓN LINEAL MÚLTIPLE

    1. Un distribuidor de helado está estudiando el sistema de reparto de su producto.


    Específicamente, el distribuidor está interesado en estimar el tiempo de servicio en
    minutos, a un expendio al menudeo. El ingeniero industrial a cargo del estudio ha
    sugerido que los dos factores más importantes que intervienen en el tiempo de
    reparto son el número de cajas de helados que se entregan y la distancia en miles
    de kilómetros, que debe recorrer el repartidor. El ingeniero recopiló una muestra de
    15 servicios de reparto y obtuvo los siguientes resultados en minitab:

    Regression Analysis: Tiempo versus N_cajas, Distancia

    Análisis de varianza

    Fuente DF SC CM Valor F Valor p


    Regression 2 331.36 165.679 16.80 0.000
    Error 12 118.37 9.865
    Total 14 449.73

    Resumen del modelo

    S R-sq R-sq(adj) R-sq(pred)


    3.14079 73.68% 69.29% 58.46%

    Coeficientes

    Precitor Coef SE Coef T-Value P-Value VIF


    Constante 2.31 5.86 0.39 0.700
    N_cajas 0.877 0.153 5.73 0.000 1.20
    Distancia 0.456 0.147 3.11 0.009 1.20

    Ecuación de regresión

    Tiempo = 2.31 + 0.877 N_cajas + 0.456 Distancia

    Durbin-Watson Statistic = 2.61928

    Predicción para Tiempo

    Ecuación de regresión

    Tiempo = 2.31 + 0.877 N_cajas + 0.456 Distancia

    Variable Setting
    N_cajas 18
    Distancia 35

    Ajuste SE Ajuste 95% CI 95% PI


    34.0581 1.30884 (31.2064, 36.9098) (26.6445, 41.4717)

    a. Verifique los supuestos para un análisis de regresión lineal múltiple.


    b. Indique el modelo de regresión lineal múltiple. Interprete cada uno de los
    coeficientes de regresión. Interprete los coeficientes de la ecuación de regresión
    estimada.
    c. ¿Se puede afirmar que el modelo de regresión lineal con las dos variables es
    válido? Use un α = 0.05.
    d. Con un nivel de significancia de 5%, ¿se puede afirmar que las variables
    independientes son significativas?
    e. Estime el tiempo promedio de entrega del producto cuando se tienen que
    entregar 18 cajas, para lo cual se tiene que recorrer una distancia de 35 km. Use
    un nivel de confianza de 95%.
    f. ¿Qué porcentaje de la variación total del tiempo de reparto no es explicada por
    el modelo de regresión?

    2. Se desea modelar la producción de los trabajadores de una fábrica en función de


    una prueba de aptitud y los años de experiencia. Para realizar este estudio se
    seleccionó una muestra de 10 colaboradores y se registró el número de unidades
    que había producido por hora (Y), el puntaje que obtenido en una prueba de aptitud
    (X1) y los años de experiencia del colaborador (X2).

    Análisis de regresión: Y vs. X1; X2

    Coeficiente
    Término Coef SE Coef T P VIF
    Constante -13.825 1.795 -7.70 0.004
    X1 0.212 0.013 16.76 0.000 2.77
    X2 2.000 0.146 13.73 0.000 2.16

    Resumen del modelo

    S R-cuad. R-cuad.(adj)
    1.298 98.8% 98.4%

    Análisis de varianza

    Fuente GL SC CM F P
    Regresión 2 962.71 481.36 285.80 0.000
    Error residual 7 11.79 1.68
    Total 9 974.50

    Estadístico de Durbin - Watson: 1.218

    a. Verifique la no multicolinealidad de las variables independientes y la no


    autocorrelación en los residuales. Use un α = 0.05.
    b. Indique el modelo de regresión lineal múltiple. Interprete el coeficiente de
    regresión para la variable años de experiencia del colaborador.
    c. Con un nivel de significancia de 0.05, ¿existe evidencia para afirmar que el
    modelo con las dos variables es válido?
    d. Con un nivel de significancia de 0.05, ¿existe evidencia para afirmar que las
    variables independientes son significativas?
    e. Determine e interprete el coeficiente de determinación correspondiente para este
    análisis.

    3. La compañía Aceros ha estado buscando los factores que influyen en la cantidad


    de acero (en millones de toneladas) que es capaz de vender cada año. La
    administración sospecha que los siguientes son los factores principales: La tasa
    anual de inflación del país, el precio promedio por tonelada en dólares, mediante el
    cual el acero importado acota los precios de la compañía y el número de
    automóviles en millones que los fabricantes del país están planeando producir en
    ese año. Se han recogido los datos correspondientes a los últimos siete años y se
    analizó los datos con el MINITAB obteniéndose los siguientes resultados:

    Análisis Regresión: Venta versus Inflación, Importación,


    Producción

    Análisis de varianza

    Fuente Gl SC CM F P
    Regression 3 1.6098 0.5366 12.93 0.003
    Residual Error 3 0.1245 0.0415
    Total 6 1.7343

    Resumen del modelo

    S = 0.2037 R-Sq = 92.82% R-Sq(adj) = 85.6%

    Coeficientes

    Término Coef. SE Coef. T P VIF


    Constante -0.9146 0.8376 -1.09 0.159
    Inflación -0.0873 0.0426 -2.05 0.087 1.89
    Importación 0.0408 0.0827 0.49 0.598 2.34
    Producción 0.8497 0.1421 5.98 0.001 1.12

    Estadístico de Durbin Watson = 2.18071

    a. Verifique los supuestos de no multicolinealidad de las variables independientes


    y no autocorrelación en los errores. Use un α = 0.05.
    b. Determine el modelo de regresión lineal múltiple. Interprete el coeficiente de
    regresión para la variable tasa anual de inflación del país.
    c. Con un nivel de significancia de 0.05, ¿al menos una de las variables es
    significativa?
    d. Con un nivel de significancia de 0.05, ¿qué variables deben quedarse en el
    modelo?
    e. Con lo obtenido en d), plantee el nuevo modelo de regresión lineal.
    f. Determine e interprete el coeficiente de determinación ajustado.

    4. Se desea estimar la variable Y en función a otras cuatro variables. Al tomar una


    muestra de tamaño 10 se encontró los siguientes resultados con el MINITAB:

    Análisis de Regresión: Y vs X1; X2; X3; X4

    Análisis de Varianza

    Fuente Gl SC CM F P
    Regresión 4 963.52 240.88 109.79 0.000
    Error 5 10.97 2.19
    Total 9 974.49

    Resumen del modelo

    S = R-Sq. R-Sq(adj)
    1.481 98.9% 98.0%
    Coeficientes

    Predictor Coef SE Coef T P


    Constant -15.398 3.289 -4.68 0.003
    X1 0.2185 0.0181 12.07 0.000
    X2 2.0008 0.1739 11.51 0.000
    X3 0.0136 0.0223 0.61 0.268
    X4 0.0012 0.0346 0.03 0.158

    a. Si se supone que no hay problemas de multicolinealidad, determine el modelo


    de regresión lineal múltiple.
    b. Con un 5% de significancia, ¿se puede afirmar que el modelo es significativo?
    c. Con un nivel de significancia del 0.05, ¿existe evidencia estadística para afirmar
    que las variables independientes son significativas? Utilizar un α = 0.05.
    d. Asumiendo que todas las variables independiente se quedan en el modelo, ¿qué
    porcentaje de la variabilidad de Y está explicada por el modelo de regresión
    estimado?

    También podría gustarte