a.

Estime la puntuacin en la evaluacin general de un televisor cuyo

precio es $3200.

Y = 0,0127(3200) + 12,017=52,66
22. PC World public evaluaciones de las cinco mejores impresoras lser de
oficina y de las cinco mejores impresoras lseres corporativos (PC World,
febrero 2003). La impresora de oficina mejor evaluada fue la Minolta-QMS
PagePro 1250W, que en la evaluacin general obtuvo una puntuacin de 91
puntos. La impresora lser corporativa mejor evaluada fue la Xerox Phase
4400/N, que en la evaluacin general obtuvo una puntuacin de 83 puntos. En
la tabla siguiente se da rapidez, en pginas por minuto (ppm), en la impresin
de texto y precio de cada impresora.

a. D la ecuacin de regresin estimada empleando velocidad como variable

independiente.
b. Calcule r2. Qu porcentaje de la variacin del precio puede ser explicado
por la velocidad de la impresora?
c. Cul es el coeficiente de correlacin muestral entre velocidad y precio?
Refleja este coeficiente una relacin fuerte o dbil entre la velocidad de la
impresora y el costo?

6. En el bisbol, el xito de un equipo se suele considerar en funcin del

desempeo en bateo y en lanzamiento del equipo. Una medida del desempeo
en el bateo es la cantidad de cuadrangulares que anota el equipo y una medida
del desempeo en lanzamiento es el promedio de carreras ganadas por el
equipo que lanza. En general, se cree que los equipos que anotan ms
cuadrangulares (home run) y tienen un promedio menor de carreras ganadas
ganan un mayor porcentaje de juegos. Los datos siguientes pertenecen a 16
equipos que participaron en la temporada de la Liga Mayor de Bisbol de 2003;
se da la proporcin de juegos ganados, la cantidad de cuadrangulares del
equipo (HR, por sus siglas en ingls) y el promedio de carreras ganadas (ERA,
por sus siglas en ingls) (www.usatoday.com, 17 de enero de 2004).

a. Obtenga la ecuacin de regresin estimada para predecir la proporcin de

juegos ganados en funcin de la cantidad de cuadrangulares.
b. Obtenga la ecuacin de regresin estimada para predecir la proporcin de
juegos ganados en funcin del promedio de carreras ganadas por los miembros
del equipo que lanza.
c. Obtenga la ecuacin de regresin estimada para predecir la proporcin de
juegos ganados en funcin de la cantidad de cuadrangulares y del promedio de
carreras ganadas por los miembros del equipo que lanza. d. En la temporada
de 2003, San Diego gan slo el 39.5% de sus juegos, siendo el ms bajo de la
liga nacional. Para mejorar para el ao siguiente, el equipo trat de adquirir
nuevos jugadores que hicieran que la cantidad de cuadrangulares aumentara a
180 y que el promedio de carreras ganadas por el equipo que lanza
disminuyera a 4.0. Use la ecuacin de regresin estimada obtenida en el inciso
c) para estimar el porcentaje de juegos que ganara # Variable dependiente: Datos
proporcin de juegos ganados
Y
=
c(0.519,0.623,0.543,0.426,0.457,0.562,0.537,0.525,0.420,0.512,0.410,0.531,0.463,0.395,0.621,0.5
25)
Primera variable independiente: Datos HR
X1 = c(152,235,172,182,198,157,191,124,196,144,124,166,163,128,180,196)
Segunda variable independiente: Datos ERA
X2
=
c(3.857,4.106,3.842,5.127,5.269,4.059,3.880,3.162,5.058,4.027,4.517,4.072,4.664,4.904,3.734,4.6
42)
Agrupar las dos variables independientes X1 y X2 en una sola matrix X
X = cbind(X1,X2)
Ajustar el modelo de regresin lineal mltiple para X1 usando funcin lm()
res1 = lm(Y~X1)
res1
Ajustar el modelo de regresin lineal mltiple para X2 usando funcin lm()

res2 = lm(Y~X2)
res2
Ajustar el modelo de regresin lineal mltiple para X1 y X2 usando funcin lm()
res = lm(Y~X)
res
Predecir valores con el modelo estimado con X1 y X2
x1 = cualquier valor
x2 = cualquier valor
yest = 0.709188 + 0.001401*x1 - 0.102597*x2
Calcular tabla ANOVA
anova(res
Calcular Coeficiente de determinacin R2
Ybar = mean(Y)

Media de Y

Yest = 0.709188 + 0.001401*X1 - 0.102597*X2 Y estimado

SSE = sum((Y-Yest)^2)

Suma de cuadrados del error

SSR = sum((Yest - Ybar)^2)

Suma de cuadrados de la regresin

SST = SSR + SSE

Suma de cuadrados del total

R2 = SSR/SST
R2
Valor de la estadstica de prueba F
p=2
n = length(Y)

Nmero de variables independientes (X1, X2)

Nmero de datos

F = (SSR/p)/(SSE/(n-p-1))
alfa = 0.05
F_tabla = qf(1-alfa,p,n-p-1)
Decisin: Si F > F_tabla, entonces se rechaza Ho.
Resumen de resultados del modelo
Con el resumen de resultados pueden sacar los datos para hacer
la prueba t para cada beta
Para beta1
t1 = 5.709822
t1_tabla = qt(1-(alfa/2),n-p-1)

Decisin: Si t1 > t1_tabla, entonces se rechaza Ho.

Para beta2
t2 = -8.043286
t2_tabla = qt((alfa/2),n-p-1)
Decisin: Si t2 < t2_tabla, entonces se rechaza Ho.

14. En el ejercicio 4, se dio la siguiente ecuacin de regresin estimada, la cual

relacionaba las ventas con la inversin en inventario y los gastos de publicidad.
Los datos empleados para desarrollar este modelo eran los datos de 10
tiendas; con estos datos STC 16 000 t SCR y 12 000.

a. Calcule R2 para la ecuacin de regresin estimada.

Coeficiente de correlacin mltiple -- 96.66%
Coeficiente de determinacin R^2 -- 93.44%
R^2 Ajustado

-- 88.52%

Error Tpico

-- 64.67%

Observaciones

-- 8

Parece explicar este modelo una gran cantidad de la variabilidad de los

datos? Explique.

Nos permite ver una variabiliada pero que no se hace demasiado evidente
24. Vanse los datos del ejercicio 6. Emplee la cantidad de cuadrangulares del
equipo y el promedio de carreras ganadas por el equipo que lanza para
predecir la proporcin de juegos ganados.

Analisis de regresion: Propagacin de ganados versus HR, ERA

La ecuacin de regresin es
Propagacin de ganados = 0.709 + 0.00140 HR - 0.103 ERA
Predictor Coeficiente SE Coeficiente T P
Constante 0.70900 0.06008 11.80 0.000
HR 0.0014024 0.0002455 5.71 0.000
ERA -0.10263 0.01277 -8.04 0.000

S = 0.0283114 R-Sq = 85.8% R-Sq(adj) = 83.6%

Anlisis de varianza
fuente DF SS MS F P
Regresin 2 0.063049 0.031525 39.33 0.000
Residual Error 13 0.010420 0.000802
Total 15 0.073469

Fuente DF Seq SS
HR 1 0.011253
ERA 1 0.05
Use la prueba F para determinar la significancia global de la relacin. Cul es la
conclusin empleando 0.05 como nivel de significancia?
H_0: _1=_2=0
H_1:Al menos uno de los parmetros no es igual a cero
P = 0.000 < = 0.05
Se rechaza H_0 y se acepta H_1.
Si existe una relacin significativa entre la cantidad de cuadrangulares del equipo
(HR) y el promedio de carreras ganadas (ERA) con la proporcin de juegos ganados
del equipo.
f=((0.063049 )/2)/(0.010420/13)=39.3299
Cul es la conclusin empleando 0.05 como nivel de significancia?
CUADRANGULARES
H_0: _1=0
H_1: _10
P = 0.000 < = 0.05
Se rechaza H_0 y se acepta H_1.
Si existe una relacin significativa en la relacin entre la cantidad de cuadrangulares
del equipo y la proporcin de juegos ganados del equipo.
PROMEDIO DE CARREAS GANADAS
H_0: _2=0
H_1: _20
P = 0.000 < = 0.05
Se rechaza H_0 y se acepta H_1.
Si existe una relacin significativa en la relacin entre el promedio de carreras
ganadas del equipo y la proporcin de juegos ganados del mismo.