Modelo de Regresión Simple de Las Variables Rendimiento de La Gasolina (Y) y Cilindrada Del Motor (X)

PRIMER TRABAJO DE ANALISIS DE REGRESION
PREGUNTA 2.5
Acerca de los datos sobre rendimiento d gasolina en la tabla B.3 del Apéndice, repetir el
problema 2,4(partes a,b,c) usando el peso del vehículo, x10, como la variable regresora con
base en una comparación entre los dos modelos. ¿se puede llegar a la conclusión de que x1 es
mejor opción como regresor que x10?
Modelo de regresión simple de las variables rendimiento de la gasolina (Y) y

cilindrada del motor ( X1 ):
A) AJUSTAR EL MODELO DE REGRESION LINEAL SIMPLE QUE RELACIONE EL RENDIMIENTO DE

LA GASOLINA( millas por galon) Y LA CILINDRADA DEL MOTOR (pulgadas cubicas):
Usando el programa R se obtuvo lo siguiente:
b1=sxy/sxx bo=mean(y)-b1*mean(x10)
b1=-0.04742828 bo=33.72744
ENTONCES:
ŷ =33.72744 + -0.04742828X1
B) FORMAR LA TABLA DE ANALISIS DE VARIANZA Y PRUEBA DE

SIGNIFICANCIA DE LA REGRESION:
Teniendo en cuenta lo siguiente:

 n: número de observaciones de la variable y; n=32
 p: número de parámetros; p=2
 SSt: suma de cuadrados total
 SSr: suma de cuadrados de regresión
 SSresiduo: suma de cuadrados residual
SUMA DE
VARIACIÓN CUADRADOS GRADOS DE LIBERTAD MEDIA CUADRÁTICA F
SSE 282.2037 1 282.2037 8.8631
SSR 955.3404 30 31.84468
SST 1237.5441 31
 SSt=var(y)*(n-1)
SSt=1237.5441
Grados de libertad=n-1=31
 SSresiduo=SSt-b1*sxy
SSresiduo=955.3404
Grados de libertad=n-p=30
 SSr=b1*sxy
SSr=282.2037
Grados de libertad=p-1=1
PRUEBA DE SIGNIFICANCIA DE LA REGRESION MEDIANTE LA PRUEBA DE HIPOTESIS Ho:b1=0 vs

H1:b1≠0
Sean las hipótesis:
Ho: b1=0
H1: b1≠0
Hallando el valor observado to:
to=b1/sqrt(var.b1)
to= -10.07763
nivel de significancia de 95%: 1-α=0.95 => α=0.05
t=qt (1-alfa/2, n-2) …………hallando el valor t según la distribución t-student
t= 2.042272
abs(to)>t
|-10.07763| > 2.042272

Por lo tanto, se rechaza la hipótesis, de modo que se está aceptando e
l modelo de regresión lineal entre las variables rendimiento de la gas
olina y la cilindrada del motor.
C) PORCENTAJE DE LA VARIABLIDAD TOTAL DEL RENDIMIENTO DE GASOLINA QUE EXPLICA LA

RELACION LINEAL CON LA CILINDRADA DEL MOTOR:
Calculando el coeficiente de determinación:
SSr: suma de cuadrados de regresión
SSt: suma de cuadrados total
 SSr=b1*sxy
SSr=282.2037
SSt=1237.5441
 R=SSr/SSt
R= 0.7719647
Esto quiere decir que el modelo explica el 70,43% de la variabilidad del rendimiento
de la gasolina según el peso del vehículo.
Hallando el coeficiente de determinación ajustado (Raju) para la comparación de modelos:
 Raju=1-((1-R)*((n-1)/(n-2)))
Raju= 0.7643635
Modelo de regresión simple de las variables rendimiento de la gasolina (Y) y

cilindrada del motor ( X1 ):
A) AJUSTAR EL MODELO DE REGRESION LINEAL SIMPLE QUE RELACIONE EL RENDIMIENTO
DE LA GASOLINA (millas por galón) Y EL PESO DEL VEHICULO (lb):
b1=sxy/sxx bo=mean(y)-b1*mean(x10)
b1= -0.005551798 bo=39.9622
ŷ = 39.9622 + -0.005551798X1
B) FORMAR LA TABLA DE ANALISIS DE VARIANZA Y PRUEBA DE

SIGNIFICANCIA DE LA REGRESION:
Teniendo en cuenta lo siguiente:

 n: número de observaciones de la variable y; n=32
 p: número de parámetros; p=2
 SSt: suma de cuadrados total
 SSr: suma de cuadrados de regresión
 SSresiduo: suma de cuadrados residual
SUMA DE
VARIACIÓN CUADRADOS GRADOS DE LIBERTAD MEDIA CUADRÁTICA F
SSr 871.6163 1 871.6163 71.4580
365.9278
SSresiduo 30 12.1976
SST 1237.54 31
SSt=1237.54
Grados de libertad=n-1=31
 SSresiduo=SSt-b1*sxy
SSresiduo=365.9278
Grados de libertad=n-p=30
 SSr=b1*sxy
SSr=871.6163
Grados de libertad=p-1=1
PRUEBA DE SIGNIFICANCIA DE LA REGRESION MEDIANTE LA PRUEBA DE HIPOTESIS:

Sean las hipótesis:
Ho: b1=0
H1: b1≠0
Hallando el valor observado to:
to=b1/sqrt(var.b1)
to= - 8.45328
nivel de significancia de 95%: 1-α=0.95 => α=0.05
t=qt (1-alfa/2, n-2) …………hallando el valor t según la distribución t-student
t= 2.042272
abs(to)>t
8.453287> 2.042272
Se está rechazando la hipótesis nula lo cual quiere decir que efectivamente existe una relación
lineal entre el rendimiento de la gasolina y el peso del vehículo.
C) PORCENTAJE DE LA VARIABLIDAD TOTAL DEL RENDIMIENTO DE GASOLINA QUE

EXPLICA LA RELACION LINEAL CON EL PESO DEL VEHICULO
Calculando el coeficiente de determinación:

SSr: suma de cuadrados de regresión
SSt: suma de cuadrados total
 SSr=b1*sxy
SSr=871.6163
SSt=1237.54
 R=SSr/SSt
R= 0.7043113
Esto quiere decir que el modelo explica el 70,43% de la variabilidad del rendimiento
de la gasolina según el peso del vehículo.
Hallando el coeficiente de determinación ajustado (Raju) para la comparación de

modelos:
 Raju=1-((1-R)*((n-1)/(n-2)))
Raju= 0.694455
FINALMENTE:
¿se puede llegar a la conclusión de que x1 es mejor opción como regresor que x10?
Para ello debemos de comparar los valores del coeficiente de determinación ajustados de
ambos modelos, los cuales son:
Según la VARIABLE REGRESORA X1: Raju= 0.7643635
Según la variable regresora x10: Raju= 0.694455
0.7643635>0.694455 , por lo tanto decimos que el modelo de regresión simple con la variable
regresora, la cilindrada del motor(x1), es mejor que el modelo de regresión simple con la
variable regresora el peso del vehículo (x10).

Modelo de Regresión Simple de Las Variables Rendimiento de La Gasolina (Y) y Cilindrada Del Motor (X)

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Modelo de Regresión Simple de Las Variables Rendimiento de La Gasolina (Y) y Cilindrada Del Motor (X)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de Regresión Simple de Las Variables Rendimiento de La Gasolina (Y) y Cilindrada Del Motor (X)

Cargado por

Copyright:

Formatos disponibles

PRIMER TRABAJO DE ANALISIS DE REGRESION

Modelo de regresión simple de las variables rendimiento de la gasolina (Y) y

A) AJUSTAR EL MODELO DE REGRESION LINEAL SIMPLE QUE RELACIONE EL RENDIMIENTO DE

Usando el programa R se obtuvo lo siguiente:

B) FORMAR LA TABLA DE ANALISIS DE VARIANZA Y PRUEBA DE

Teniendo en cuenta lo siguiente:

Usando el programa R se obtuvo lo siguiente:

PRUEBA DE SIGNIFICANCIA DE LA REGRESION MEDIANTE LA PRUEBA DE HIPOTESIS Ho:b1=0 vs

Usando el programa R se obtuvo lo siguiente:

Hallando el valor observado to:

nivel de significancia de 95%: 1-α=0.95 => α=0.05

t=qt (1-alfa/2, n-2) …………hallando el valor t según la distribución t-student

|-10.07763| > 2.042272

C) PORCENTAJE DE LA VARIABLIDAD TOTAL DEL RENDIMIENTO DE GASOLINA QUE EXPLICA LA

Calculando el coeficiente de determinación:

SSr: suma de cuadrados de regresión

SSt: suma de cuadrados total

Hallando el coeficiente de determinación ajustado (Raju) para la comparación de modelos:

Modelo de regresión simple de las variables rendimiento de la gasolina (Y) y

Usando el programa R se obtuvo lo siguiente:

B) FORMAR LA TABLA DE ANALISIS DE VARIANZA Y PRUEBA DE

Teniendo en cuenta lo siguiente:

Usando el programa R se obtuvo lo siguiente:

PRUEBA DE SIGNIFICANCIA DE LA REGRESION MEDIANTE LA PRUEBA DE HIPOTESIS:

Usando el programa R se obtuvo lo siguiente:

Hallando el valor observado to:

nivel de significancia de 95%: 1-α=0.95 => α=0.05

t=qt (1-alfa/2, n-2) …………hallando el valor t según la distribución t-student

C) PORCENTAJE DE LA VARIABLIDAD TOTAL DEL RENDIMIENTO DE GASOLINA QUE

Calculando el coeficiente de determinación:

Hallando el coeficiente de determinación ajustado (Raju) para la comparación de

Según la VARIABLE REGRESORA X1: Raju= 0.7643635

Según la variable regresora x10: Raju= 0.694455

También podría gustarte