Professional Documents
Culture Documents
De donde
Calculo de scR
. . .
= 5 7733 -
'
8 070 - 0 149 32 063 - 0 077 28 960
' ' ' ' '
~ 12
2
5 2253
'
0 0034 <
' 2
< 0 0138'
V ar = 0 00816
'
= 0 0903 '
V ar = 0 000099
'
= 0 0099 '
= 0 00040
'
= 0 0201 '
V ar
. .
t 12 0 0903 <-0 160 -
' '
0 <t 12 0 0903
'
- 0 321
0
'
0 1314
1
'
de donde
Tabla ANOVA
Tabla ANOVA
El coeficiente de determinacin,
Tabla ANOVA
r2
= =
= 0 9496
'
r = 0 974.
'
3 0 y un tamao de x = 4. Esto es
'
2 .
hh
= h
t -1
h
= = 0 07649
'
n = h = 13 073'
La varianza de la prediccin es
.
V ar = R
2 = 0 0060
'
= 0 0065
'
= 0 0803
'
Grficos
Grficos de residuos,
EJERCICIO 3- desarrollaremos un pronstico a travs de una regresin lineal
mltiple que en trminos generales se puede representar
por donde es la variable
dependiente, las variables independientes y
los coeficientes de la regresin. En particular consideraremos en el siguiente
ejemplo una variable dependiente (Ganancias en Millones de $) y 2 variables
explicativas o independientes (Nmero de Vendedores y Precio del Producto $), es
decir, , donde es el N de Vendedores y el Precio del
Producto ($). La informacin se presenta en la tabla a continuacin:
POROBLEMA 4
Donde
Y=Millas/galn
X1: Cilindraje (pulgadas cubicas) X8: Longitud total
(pulgadas)
X2: Caballos de fuerza (pie-lb) X9: Ancho (pulgadas)
X3: Torca (pie-lb) X10: Peso (lb)
X4: Razn de Compresin
X5: Razn del eje trasero
X6: Carburador (gargantas)
X7: Nm. de velocidad de transmisin
Coeficientesa
Coeficientes
Coeficientes
a. Variable dependiente: y
El modelo es el siguiente
Y=-17,315 - 0,05X1 + 0,028X2 +0,056X3 + 1,607X4 + 4,979X5 + 0,498X6 -
3,301X7+0,285X8 + 0,095X9 - 0,012X10
Donde
Y=Millas/galn
X1: Cilindraje (pulgadas cubicas) X8: Longitud total
(pulgadas)
X2: Caballos de fuerza (pie-lb) X9: Ancho (pulgadas)
X3: Torca (pie-lb) X10: Peso (lb)
X4: Razn de Compresin
X5: Razn del eje trasero
X6: Carburador (gargantas)
X7: Nm. de velocidad de transmisin
Minitab nos muestra los siguientes grficos de residuales
Residual
Percent
50
0
10 -2
1 -4
-5,0 -2,5 0,0 2,5 5,0 10 15 20 25 30
Residual Fitted Value
3,6 2
Frequency
Residual
2,4 0
1,2 -2
0,0 -4
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order