Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 9 vistas

    Salida

    Cargado por

    yulimar
    El documento presenta las soluciones a tres ejercicios de regresión lineal. En el primer ejercicio, el modelo no cumple los supuestos de homocedasticidad y normalidad a pesar de ajustarse bien. En el segundo ejercicio, el modelo cumple los supuestos y predice una producción de 54.3 millones para 1990. En el tercer ejercicio, el modelo también cumple los supuestos y predice la dureza en función de la deformación.

    Copyright:

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

    Salida

    Cargado por

    yulimar
    9 vistas7 páginas
    El documento presenta las soluciones a tres ejercicios de regresión lineal. En el primer ejercicio, el modelo no cumple los supuestos de homocedasticidad y normalidad a pesar de ajustarse bien. En el segundo ejercicio, el modelo cumple los supuestos y predice una producción de 54.3 millones para 1990. En el tercer ejercicio, el modelo también cumple los supuestos y predice la dureza en función de la deformación.

    Descripción original:

    Bohh

    Título original

    salida

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta las soluciones a tres ejercicios de regresión lineal. En el primer ejercicio, el modelo no cumple los supuestos de homocedasticidad y normalidad a pesar de ajustarse bien. En el segundo ejercicio, el modelo cumple los supuestos y predice una producción de 54.3 millones para 1990. En el tercer ejercicio, el modelo también cumple los supuestos y predice la dureza en función de la deformación.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    9 vistas7 páginas

    Salida

    Cargado por

    yulimar
    El documento presenta las soluciones a tres ejercicios de regresión lineal. En el primer ejercicio, el modelo no cumple los supuestos de homocedasticidad y normalidad a pesar de ajustarse bien. En el segundo ejercicio, el modelo cumple los supuestos y predice una producción de 54.3 millones para 1990. En el tercer ejercicio, el modelo también cumple los supuestos y predice la dureza en función de la deformación.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 7

     Solución Ejercicio 1:

    Call:

    lm(formula = tiempo ~ experiencia)

    Residuals:

    1 2 3 4 5

    -0.6 2.0 -1.4 -0.8 0.8

    Coefficients:

    Estimate Std. Error t value Pr(>|t|)

    (Intercept) 10.2000 1.6693 6.110 0.00881 **

    experiencia -1.6000 0.5033 -3.179 0.05014 .

    Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    Residual standard error: 1.592 on 3 degrees of freedom

    Multiple R-squared: 0.7711, Adjusted R-squared: 0.6948

    F-statistic: 10.11 on 1 and 3 DF, p-value: 0.05014

    1. Gráfico de dispersión y el r cuadrado (Coeficiente de Correlación Muestral ):

    r cuadrado (Coeficiente de Correlación Muestral) = -0.8781141, como está muy cercano a


    -1, entonces, existe una correlación lineal negativa muy buena entre (x,y).
    En Rojo: Recta
    estimada

    2. Se obtienen las siguientes estimaciones:

    Beta0 10.20 Como P-valor < 0.01, entonces Beta0 es significativo. Se queda en el
    modelo
    Beta1 -1.60 Como P-valor < 0.10, entonces Beta1 es significativo. Se queda en el
    modelo. Sin embargo, su significancia a un alpha=0.05 no se cumple.
    Error 1.592
    Estándar
    de
    Estimación
    Se
    R 0.7711 Como R cuadrado >0.75, la regresión o recta ajusta bien a los datos.
    cuadrado
    R 0.6948 El R cuadrado anterior cambia un poco, lo que podría indicar que la
    regresión puede que no cumpla los supuestos dhomocedasticidad y/o
    cuadrado
    normalidad.
    Ajustado
    Errores=εi (-0.6, 2.0 ,-1.4 ,-0.8 , 0.8 )
    Valor F (Ajuste de todo el 10.11 A un alpha de 0.05 el modelo
    modelo) no puede decirse que sea
    significativo, pero a un alpha
    de 0.10 si lo es.
    k 1
    n-k-1 3
    n 5
    3. Validación de los supuestos:

    (a) (b)

    Se observa en (a) un patrón de desviación muy fuerte en los errores residuales del modelo
    ajustado, por lo tanto, no hay HOMOCEDASTICIDAD.

    Se observa en (b) un comportamiento en forma de S en los errores al dibujarlos sobre los cuantiles
    teóricos de la Distribución Normal, por tanto, no hay Normalidad.

    CONCLUSION, aun cuando la recta se ajusto bien, el modelo al no cumplir los supuestos, no
    puede emplearse como un modelo PREDICTOR. La recta ajustada es,

    10.20 – 1.60X + εi

     Solución Ejercicio 2:
    lm(formula = produccion ~ anos)

    Residuals:
    Min 1Q Median 3Q Max
    -6.1164 -3.4432 -0.0809 2.7314 6.9582

    Coefficients:
    Estimate Std. Error t value Pr(>|t|)
    (Intercept) 98.0400 3.2096 30.545 1.43e-09 ***
    anos -3.9745 0.5173 -7.684 5.83e-05 ***
    ---
    Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    Residual standard error: 4.698 on 8 degrees of freedom


    Multiple R-squared: 0.8807, Adjusted R-squared: 0.8657
    F-statistic: 59.04 on 1 and 8 DF, p-value: 5.832e-05
    1. Gráfico de dispersión y el r cuadrado (Coeficiente de Correlación Muestral ):

    r cuadrado (Coeficiente de Correlación Muestral) = -0.9384361, como está muy cercano a


    -1, entonces, existe una correlación lineal negativa muy buena entre (x,y).

    En Rojo: Recta
    estimada

    2. Se obtienen las siguientes estimaciones:

    Beta0 98.0400 Como P-valor es casi CERO, entonces Beta0 es significativo. Se queda en el
    modelo
    Beta1 -3.9745 Como P-valor es casi CERO, entonces Beta1 es significativo. Se queda en
    el modelo.
    Error 4.698
    Estándar
    de
    Estimación
    Se
    R 0.8807 Como R cuadrado = 0.8807 > 0.75, la regresión o recta ajusta bien a los
    datos.
    cuadrado
    R 0.8657 El R cuadrado ajustado está muy cerca de R cuadrado, lo que indica que la
    regresión es MUY PROBABLE cumpla los supuestos de homocedasticidad
    cuadrado
    y/o normalidad.
    Ajustado
    Errores=εi Min 1Q Median 3Q Max
    -6.1164 -3.4432 -0.0809 2.7314 6.9582
    Valor F (Ajuste de todo el 59.04 Como P-valor es casi CERO,
    modelo) entonces, el modelo en
    general RESULTA significativo.
    k 1
    n-k-1 8
    n 10

    3. Validación de Supuestos:

    (a) (b)

    Se observa en (a) un patrón de desviación muy debil en los errores residuales del modelo ajustado,
    por lo tanto, hay HOMOCEDASTICIDAD.

    Se observa en (b) que los errores al dibujarlos sobre los cuantiles teóricos de la Distribución
    Normal, se ajustan casi perfecto a la recta de Normalidad, por tanto, hay Normalidad.

    CONCLUSION, el modelo cumple los supuestos y por tanto, puede ser usado como un modelo
    PREDICTOR. . La recta ajustada es,

    98.04 – 3.9745X + εi

    La producción de artículos para 1990, es, y=98.04-(3.9745*11) = 54.3205 (en millones).

     Solución Ejercicio 5 :
    1. Gráfico de dispersión y el r cuadrado (Coeficiente de Correlación Muestral ):

    r cuadrado (Coeficiente de Correlación Muestral) = -0.977326, como está muy cercano a


    -1, entonces, existe una correlación lineal negativa muy buena entre (x,y).
    35 40 45 50 55 60 65
    dureza

    5 10 15 20 25 30 35

    deformacion

    2. Se obtienen las siguientes estimaciones:

    lm(formula = dureza ~ deformacion)

    Residuals:

    Min 1Q Median 3Q Max

    -5.5657 -1.7722 0.1974 2.4647 3.7952

    Coefficients:

    Estimate Std. Error t value Pr(>|t|)

    (Intercept) 75.7200 2.4601 30.78 9.86e-09 ***

    deformacion -1.3196 0.1081 -12.21 5.65e-06 ***

    ---

    Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    Residual standard error: 3.32 on 7 degrees of freedom

    Multiple R-squared: 0.9552, Adjusted R-squared: 0.9488

    F-statistic: 149.1 on 1 and 7 DF, p-value: 5.653e-06

    Validación de supuestos:

    Hay HOMOCEDASTCIDAD y NORMALIDAD.

    También podría gustarte