S7 - Taller - 1 End

UNIVE RSIDAD ESTATAL
DE
MILAGRO
FACULTAD DE CIENCIAS DE LA INGENIERÍA CARRERA
DE INGENIERÍA INDUSTRIAL
MODELOS PROBABILÍSTICOS
Título:
S7-Taller_1
Alumnos:
Jesús Arévalo Velastegui
Limbert Camba Zambrano
Cristhel Castro Gamboa
Nixon Coronel Muñoz
Karen Zambrano Navarrete
Curso:
6to Semestre A1
Docente:
Ing. Manuel Avilés
Taller en Clases
9. La tabla P-9 contiene datos de gastos de alimentación, ingreso anual y tamaño de la familia
para una muestra de 10 familias.
a) Elabore la matriz de correlación para las tres variables de la tabla P-9. Interprete
las correlaciones en la matriz.
La relación entre los gastos anuales de comida y el tamaño de la familia tienen una débil
correlación y el intervalo de confianza del 95% va desde 0.200 a 0.933
los gastos anuales de comida y el ingreso anual tienen una fuerte correlación y el intervalo de
confianza del 95% va desde 0.573 a 0.972
el ingreso anual y el tamaño de la familia tienen una fuerte correlación y el intervalo de
confianza del 95% va desde 0.522 a 0.968
Realizando los diferentes análisis, con la ayuda de minitab, nos dan los diferentes resultados:
 Obtenemos el R-cua. Con un porcentaje de 78.46% lo cual nos dice que es un dato
utilizable para explicar el modelo, aunque el R-cua. (pred). No lo usuramos en el
futuro ya que me puede generar problema.
Análisis de la variable x1
En este caso selecciono este modelo ya que el R-cua. (ajustado). Es mayor (75.39%) y
R-cuad.(pred) aumenta también con (62.04%).
b) Ajuste un modelo de regresión múltiple que relacione los gastos de comida con los
ingresos y el tamaño de la familia. Interprete los coeficientes de regresión parcial de
ingreso y tamaño de la familia. ¿Tienen sentido?
Ecuación de regresión
GASTOS ANUALES DE COMIDA Y = 3,52 + 2,278 INGRESO ANUAL X1 - 0,41 TAMAÑO DE LA FAMILIA X2
Se determina que El gasto anual de comida aumenta en un promedio de 2.278

por cada ingreso anual
Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV
Constante 3,52 3,16 1,11 0,302
INGRESO ANUAL X1 2,278 0,813 2,80 0,026 4,02
TAMAÑO DE LA FAMILIA X2 -0,41 1,24 -0,33 0,749 4,02
Con relación a los coeficientes no tiene sentido debido a que para que el gasto
anual de comida aumente el promedio del tamaño de la familia debería aumentar
dado que dentro del modelo no influye esta variable, por lo tanto, no tiene
sentido.
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 2 213,422 106,711 12,75 0,005
INGRESO ANUAL X1 1 65,740 65,740 7,86 0,026
TAMAÑO DE LA FAMILIA X2 1 0,927 0,927 0,11 0,749
Error 7 58,578 8,368
Falta de ajuste 6 46,078 7,680 0,61 0,751
Error puro 1 12,500 12,500
Total 9 272,000
A nivel general de nuestra ecuación tenemos que el valor p tiene como resultado
(0.005) lo cual rechazamos la hipótesis nula y aceptamos la hipótesis alterna, por
lo que existen variables significativas en el modelo. Para la variable de Ingreso
anual x1 tiene como resultado para el valor p 0.026 lo cual si influye porque es
menor a la significancia (0.05). en la segunda variable Tamaño de la familia el
valor de p es 0.749 aceptamos la hipótesis nula. Se puede concluir que la
variable Ingreso anual influye estadísticamente aporta al modelo.
La variable significativa por proporción de datos del modelo es la A que es

Ingreso Anual, mientras que la B que es la variable del tamaño de la familia no
influye en el modelo
La media o la mitad de los residuos están en cero por lo que a nivel de residuos
si cumplen no generan efecto en el modelo.
c) Calcule los factores de inflación de la varianza (VIF) para las variables
independientes.
¿La multicolinealidad es un problema para estos datos? Si es así, ¿cómo podría usted
modificar el modelo de regresión?
Los factores de inflación de la varianza dentro de este modelo de las dos variables
independientes son de 4.02 estas son iguales y menores a 10, por lo tanto, implica que no es
un problema la multicolinealidad dentro de este modelo, ya que en los textos nos dice que una
prueba fácil para probar si hay multicolinealidad entre dos variables es que el coeficiente de
correlación sea mayor que 0.7 y si llega a ser mayor que 10 nos indica que tienen serios
problemas de multicolinealidad. En conclusión, en relación de la multicolinealidad no se
puede mejorar el modelo de regresión.
ANEXOS

S7 - Taller - 1 End

Cargado por

Copyright:

Formatos disponibles

S7 - Taller - 1 End

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

S7 - Taller - 1 End

Cargado por

Copyright:

Formatos disponibles

UNIVE RSIDAD ESTATAL

Se determina que El gasto anual de comida aumenta en un promedio de 2.278

La variable significativa por proporción de datos del modelo es la A que es

c) Calcule los factores de inflación de la varianza (VIF) para las variables

También podría gustarte