Sunteți pe pagina 1din 21

Presión, x Lectura de la escala, y XtX= 1

10 13 10
10 18
10 16
10 15
10 20
50 86
50 90
50 88
50 88
50 92

XtX= 1
10

(XtX)(-1)
1 1 1 1 1 1 1
10 10 10 10 50 50 50

1 1 1 1 1 1 1
10 10 10 10 50 50 50

(XtX)(-1) 0.325 -0.0075 β^ = (XtX)(-1)XtY=


-0.0075 0.00025
1 1 1 10
50 50 1 10 n= 10 300
1 10 ∑xi= 300 13000
1 10
1 10
1 50
1 50
1 50
1 50
1 50

1 1 13
50 50 18 ∑Yi= 526
16 ∑xiYi= 23020
15
20
86
90
88
88
92

βo= -1.7 Yg=XBg o Y^ =Xβ^ 16.4


β1= 1.81 16.4
16.4
16.4
16.4
88.8
88.8
88.8
88.8
88.8
_=∑xi
_=∑x2i
REGRESIÓN LINEAL SIMPLE

1. Modelo de Regresión Lineal Simple

y= βo+ β1x +ε

2. Enunciado, Datos

Se recabaron los siguientes datos para determinar la relación entre la presión y l lectura correspondien

No x y x2 xy Sxx = SCx
1 10 13 100 130 400
2 10 18 100 180 400
3 10 16 100 160 400
4 10 15 100 150 400
5 10 20 100 200 400
6 50 86 2500 4300 400
7 50 90 2500 4500 400
8 50 88 2500 4400 400
9 50 88 2500 4400 400
10 50 92 2500 4600 400
Total / suma 300 526 13000 23020 4000
Promedio 30 52.6

Resumen

Estadísticas de la regresión
Coeficiente de 0.9980976858
Coeficiente d 0.9961989905
R^2 ajustado 0.9957238643
Error típico 2.5
Observacione 10

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 13104.4 13104.4 2096.704 5.7163E-11
Residuos 8 50 6.25
Total 9 13154.4

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%


Intercepción -1.7 1.425219281 -1.19279891 0.267122446 -4.98656156
x 1.81 0.039528471 45.78978052 5.7163E-11 1.718847183

Análisis de los residuales

Observación Pronóstico y Residuos


1 16.4 -3.4
2 16.4 1.6
3 16.4 -0.4
4 16.4 -1.4
5 16.4 3.6
6 88.8 -2.8
7 88.8 1.2
8 88.8 -0.8
9 88.8 -0.8
10 88.8 3.2

3. Coeficientes estimados (por el método de prefiera)

�1=(23020−(300∗526)/10)/(13000− 〖 300 〗 ^2/10)


βo=(526−1,81∗300)/10-

4. Modelo de regresión Lineal Simple estimado

Formulas alternativas de calculo, para las tres sumas de cuadrados

Suma de
cuadrados de
x
SCx = 4000
Suma de
cuadrados de
xy
SCxy= 7240

β1g= 1.81

β0g= -1.7

ŷ = a + bx o ŷ = β 0g + β1gx

ŷ = --1,7+1,81 x

5. Coeficiente de correlación (Descripción)

=7240/√(4000∗13154,4) r=0,9980976858

6. Coeficiente de determinación (Descripción)


�^2=0,9961989905

7. Calcule los valores Estimados de x y los ei (Descripción)

y y gorro (y gorro -y media)^2


13 16.4 1310.44
18 16.4 1310.44
16 16.4 1310.44
15 16.4 1310.44
20 16.4 1310.44
86 88.8 1310.44
90 88.8 1310.44
88 88.8 1310.44
88 88.8 1310.44
92 88.8 1310.44

INFERENCIAS DEL MODELO

8. Intervalo de confianza para la pendiente

2
 

 y  y i  �^2=("13154,4−(1,81" ∗7240))/(10−2)
  S YY  bS XY
n i
SSE
s2   
n2 i 1 n2 n2

Sxx 4000 �^2=6,25


Syy 13154.4 �= 2,5
Sxy 7240

t(0.025,8) 2.306
t S t S
b 2
   b 2

S xx S xx

1,81−(2,306∗2,5" " )/(√4000)< �1<1,81+(2,306∗2,5)/(√4000)

−1,901152654< �1<"-1,718847346"

9. Prueba de hipótesis para la pendiente

1. Prueba de hipotesis

H0 : β1=0
Ha : β1≠0

2. Estadistico de prueba

b =1,81/(2,5∕ 〖√ 4000 〗 )
t = 45,78978052
s / S xx

3. Decisión

Se rechaza H0 si tp>t(ᾳ/2)

tp = 45,78978052 No se acepta ho
t(0.025,8)= 2,306

10. Intervalo de confianza para el intercepto

n n �="-1,7 "
t S
2
x
i 1
2
i t S
2
x
i 1
2
i

a   a
nS xx nS xx

-1,7−((2,306∗2,5")∗" √13000" " )/(√((8)∗4000))< β0<"-1,7"+(("2,306∗2,5)∗" √"13000 " )/(√


-1,7−((2,306∗2,5")∗" √13000" " )/(√((8)∗4000))< β0<"-1,7"+(("2,306∗2,5)∗" √"13000 " )/(√

--5,374480937< �0<1,974480937

11. Prueba de hipótesis para el intercepto

1. Prueba de hipotesis

H0 : β0=0
Ha : β0≠0

2. Estadistico de prueba

a  ao =(−1,7)/1,425219281
t = -1,192798906
n
S x
i 1
2
i n S xx
3. Decisión

Se rechaza H0 si tp>t(ᾳ/2) o
tp<t(ᾳ/2)

tp = -1,192798906 Se rechaza ho
t(0.025,8)= 2,306

12. Intervalo de Predicción para una respuesta media (utilice el valor de x


que prefiera)


y o  t 2 S    
 
 1   xo  x 2  
   y | x o  y o  t 2 S    
 
 1   xo  x 2 

 n   S xx   n   S xx 

Xo = 10
y^o= 16.4
_
X 30
t s
2.306 2.5 0.361620285

14.31525906 <Uylxo< 18.48474094

13. Intervalo de Predicción para una sola respuesta


y o  t 2 S 1     
 
 1   xo  x 2  
  y o  y o  t 2 S 1     
 
 1   xo  x 2 

 n   S xx   n   S xx 

t s
2.306 2.5 1.048808848

10.35361699 <Yo< 22.44638301

14. Prueba de hipotesos sobre el coeficiente de correlacion

S xx S xy
r b 
S xy S xx S yy

1) P.P
Ho:  =0
H1:  <>0

2) estadístico de prueba
t= 0.011447445

3) regla de decisión Se rechaza H0 si tp>t(ᾳ/2) o tp<t(ᾳ/2)

Se acepta ho = -2,306<0,011447445<2,306

14. Prueba de hipotesis para las pendientes, utilizar anova


1) Planteamiento de la prueba

H0 : B = 0 ( No hay relación lineal) equivalentemente las variables no está


H1 : B = 0 (hay una relación lineal) equivalentemente las variables están as

MCR
2) estadístico de prueba F
MCE F=2096,704

Se recaha ho si Fp>F
3) regla de decisión

Como 2096,704 > 5,318 se rechaza H0


y l lectura correspondiente en la escala, para fines de calibración.

Syy = SCy Sxy = SCxy x-ux y-uy (x-ux)(y-uy) y2 y gorro


1568.16 792.0 -20.0 -39.6 792.000 169.0 16.4
1197.16 692.0 -20.0 -34.6 692.000 324.0 16.4
1339.56 732.0 -20.0 -36.6 732.000 256.0 16.4
1413.76 752.0 -20.0 -37.6 752.000 225.0 16.4
1062.76 652.0 -20.0 -32.6 652.000 400.0 16.4
1115.56 668.0 20.0 33.4 668.000 7396.0 88.8
1398.76 748.0 20.0 37.4 748.000 8100.0 88.8
1253.16 708.0 20.0 35.4 708.000 7744.0 88.8
1253.16 708.0 20.0 35.4 708.000 7744.0 88.8
1552.36 788.0 20.0 39.4 788.000 8464.0 88.8
13154.4 7240.0 0 0 7240 40822 526

x Gráfico de los residuales


4

2
os
x Gráfico de los residuales
4

Residuos
0
5 10 15 20 25 30 35 40 45
-2

-4
r crítico de F x

Superior 95%Inferior 95,0%Superior 95,0%


1.586561556 -4.98656156 1.586561556
1.901152817 1.718847183 1.901152817

3000− 〖 300 〗 ^2/10)


�1=1,81
βo=-1,7
00)/10-

0,9980976858
∗7240))/(10−2)

2,5
2,5)∗" √"13000 " )/(√((8)∗4000))
2,5)∗" √"13000 " )/(√((8)∗4000))
ente las variables no están asociadas linealmente
nte las variables están asociadas linealmente

Valor F 5.318
(y gorro -y media)^2
(yi -y gorro)^2
1310.44 24336
1310.44 93636
1310.44 57600
1310.44 44100
1310.44 144400
1310.44 53436100
1310.44 64160100
1310.44 58614336
1310.44 58614336
1310.44 70090384
13104.4 305279328

de los residuales
de los residuales

25 30 35 40 45 50 55