Sunteți pe pagina 1din 8

INSTITUTO TECNOLOGICO DE TAPACHULA

ESTADISTICA INFERENCIAL II

TEMA: ANALISIS DE REGRESION Y CORRELACION


LINEAL SIMPLE

TRABAJO:

DOCENTE:
ING. VELAZQUEZ REYES JORGE ARTURO

INTEGRANTES DE EQUIPO:
 TERAN CARREDANO HECTOR IVAN
 SUASTEGUI CALVO JOSE LUIS
 CAMERAS REYES DANEYRI
 DAIMER
 RANGEL CANSECO KAREN ELIZABETH
 VAZQUEZ CRUZ AURELIO

FECHA DE ENTREGA:
01/NOV/19
3) Construye un diagrama de dispersión. ¿Es razonable pensar que hay una
relación lineal?

Construcción de tabla de datos

Si existe relación lineal, por medio de un análisis visual se


puede concretar que los datos van en forma descendiente,
por lo que la relación que se tiene es negativa.
4) Encuentre los estimados de mínimos cuadrados de los coeficientes de
regresión poblacional βₒ y β1.

Puesto que los parámetros poblacionales no son posibles de conocer, se han


calculado por medio de los estimadores muestrales de mínimos cuadrados,
obteniendo los siguientes resultados mediante las fórmulas:
bₒ= y̅ - b1 x̅ = 30.71428571 - 0.007968918(3009.285714) = 54.695039
̅𝒚
𝜮𝒙𝒚−𝒏𝒙 ̅ 𝟔𝟐𝟖𝟓𝟎𝟎−(𝟕)(3009.285714)(30.71428571)
b1= ∑ = = -0.007968918
𝜮𝒙𝟐 −𝒏𝒙𝒚 𝟔𝟓𝟕𝟏𝟏𝟔𝟕𝟓−(𝟕)(𝟗𝟎𝟓𝟓𝟖𝟎𝟎.𝟓𝟏)

5) Determine la ecuación de regresión lineal poblacional My/x= βₒ y β1xi por medio


de ecuación muestral ŷi= b0 +b1xi
ŷi= b0 +b1Xi = 54.695039 - 0.007968918 = 54.6870739

6) calcular: la varianza explicada, la varianza no explicada, la varianza total (SSR,


ₒSSE, SST)
SSR = Σ (ŷ - y̅) ² = 147.396528
SSE = Σ (yi - ŷ) ² = 18.03204339
SST = Σ (yi - y̅) ² = 165.4285714

7) calcular coeficiente de determinación (r²) explicando la interpretación del


resultado.
𝑺𝑺𝑹 𝟏𝟒𝟕.𝟑𝟗𝟔𝟓𝟐𝟖 +
r² = 𝑺𝑺𝑻 = 𝟏𝟔𝟓.𝟒𝟐𝟖𝟓𝟕𝟏𝟒 = 0.890998011 -

8) calcular el error estándar de estimación e interpretar el resultado obtenido.

𝛴𝑦 2 −𝑏ₒ𝛴𝑦𝑖−𝑏1𝛴𝑥𝑖𝑦𝑖
Sxy = √
𝑛−2

6769−(𝟓𝟒.𝟔𝟗𝟓𝟎𝟑𝟗 )(215)−(−𝟎.𝟎𝟎𝟕𝟗𝟔𝟖𝟗𝟏𝟖)(𝟔𝟐𝟖𝟓𝟎𝟎)
Sxy = √ = 1.89905468
7−2
9) suponiendo que se cumplen las condiciones necesarias de normalidad y varianza
aplicando la ecuación (pregunta 5). Calcula la tasa de consumo de combustible
predicha para un automóvil que pesa 3700 Lb.
ŷi= b0 +b1Xi = 54.695039 + (-0.007968918) (3700) = 25.21004001

10) Calcula un estimado de un intervalo de prediccion del 95% de la proporción de


consumo de combustibles para un automovil que pesa 3700 Lb. (YI) Interpretación.
Primero determinar tv en la tabla de area de probabilidad

V O.025
1

tv = 5 ; alfa =0.025 = 2.015 ,por lo tanto


V=5 1=0.95 - alfa

Donde:
tv=n-2 alfa= 1 - alfa/2
tv=7-2 1- 0.05/2
t5;0.975(area de cola) ó t5; 0.025(area colas)
Entonces tenemos que:
P [ŷi (+-) t1-alfa/2; v=n-2 Syx√hi <=Myx <=...]

hi= √(1/n) + ((xi- x̅) / (Σxi²- nx̅²))


hi=√ ((1/7) + ((3700- 3009.2837142857) ²/(65711675-(7)3009.2837142857²)))
hi=√ 0.348396547

P [ŷi (+-) t1-alfa/2; v=n-2 Syx√hi <= Yi <=...]


P [25.2100400 (+-) (2.015) (1.89905468) (√ 0.348396547) <= Yi <=...]
P [25.2100400 (+-)4.42355366=1-alfa]
Por lo tanto:
P [20.78688736<= Yi <=29.63359606]

11) Calcula un intervalo de confianza del 95% del consumo de combustible


promedio (My/x) para todos los automóviles con 3700 Lb. Interpretación.

P [ŷi (+-) t1-alfa/2; v=n-2 Syx√hi <= My/x <=...]


P [25.2100400 (+-) (2.015) (1.89905468) (√ 1+0.348396547) <= My/x <=...]
P [25.2100400 (+-)2.248533744=1-alfa]

Por lo tanto:
P [22.9615086586<= Yi <=27.4585761414]
Conclusión:
La estimación realizada es que el consumo de combustible en carretera promedio
de los automóviles con el peso de 3700lb está entre los 22.9615086586 ml/gl y los
27.4585761414 ml/gl.
12) Establece una estimación de intervalo 0= confianza de 95% de la pendiente
verdadera β y determinar Sc el valor supuesto β=0 está incluido en el intervalo ¿Cuál
es la conclusión?
Datos:
T-student: 2.571
Syx: 1.89905468
Obtención de Sb1 donde:

1.89905468
𝑆𝑦𝑥
Sb1 = =
√∑ 𝑥 2 −𝐧𝐱𝟐
√(𝟔𝟓𝟕𝟏𝟏𝟔𝟕𝟓)−(𝟕)(𝟑𝟎𝟎𝟗.𝟐𝟖𝟑𝟕𝟏𝟒𝟐𝟖𝟓𝟕)𝟐
Sb1 =0.0012465027
Aplicación de fórmula de intervalo de confianza para β1
P [b1(+-) t1-alfa/2 Sb 1<= β1]=1-α
P [-0.007968918(+-) (2.571) (0.0012465027) <= β1<=…]=0.95
P [-0.007968918(+-)0.0032047584]=0.95
P [-0.0111736764<= β1<=0.0047641596]=0.95
Conclusión:
Para el intervalo de confianza del 95% se estima β1 entra en -0.0111736764 y
0.0047641596 al no pasar por β1=0 este no esta incluido por lo cual hay una relación
lineal significativa.
13) Establece un intervalo de confianza de 95% del intercepto verdadero β y
determinar Sc el valor supuesto β=0 está incluido en el intervalo: ¿Cuál es la
conclusión?
Datos:
T-student: 2.571
Syx: 1.89905468
bo:54.6950377
obtención de sb0:

1 𝑆𝑦𝑥
Sb0= √𝑛 + ∑ 𝑥 2 −𝐧𝐱𝟐 =

1 1.89905468
Sb0= √7 + (𝟔𝟓𝟕𝟏𝟏𝟔𝟕𝟓)−(𝟕)(𝟑𝟎𝟎𝟗.𝟐𝟖𝟑𝟕𝟏𝟒𝟐𝟖𝟓𝟕)𝟐 =
Sb0=2.0110739218
Ahora aplicamos la fórmula de intervalo de confianza:
P [b0(+-) t1-alfa/2 Sb 1<= β1]=1-α
P [54.6950377 (+-) (2.571) (1.89905468) (2.0110739218) <= β1<=…]=0.95
P [54.6950377 (+-) 9.8190072507]=0.95
P [44.88760304443<= β1<=64.5140444507]=0.95
Conclusión:
Para el intervalo de confianza del 95% se estima β1 entra en 44.88760304443 y
44.88760304443 al no pasar por β1=0 este no está incluido por lo cual hay una
relación lineal significativa.
14) Probar la pendiente verdadera (β1) D∑ que es igual a cero al nivel D∑
significancia del 5% ¿conclusión?
Ho: β1 = 0 (No hay relación)
H1: β1 ≠ 0 (Hay relación)
15) Construya las bandas de confianza para uy/x
xi ŷi=b0+b1xi ŷi(+-)t1-alfa/2;v=n-2Syx√hi
3225 28.99527845 27.45772827; 30.53282863
3100 29.9913932 28.53379842; 31.44898798
2900 31.5851768 30.11963958; 33.05071402

Mx/y
100
90
80
70
60
50
40
30
20
10
0
banda li yi banda ls

Series1 Series2 Series3

16) Construya las bandas de confianza para YI


xi ŷi=b0+b1xi ŷi(+-)t1-alfa/2;v=n-2Syx√hi
3225 28.99527845 24.88723955; 33.10331735
3100 29.9913932 25.91260593; 34.07018047
2900 31.5851768 27.50354448; 35.66680912
GRAFIC Yi
120

100

80

60

40

20

0
li yi ls

Series1 Series2 Series3

17) Explicar porque las diferencias entre los dos grafica de bandas de las preguntas
15 y 16.