Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 13 vistas

    Acosta Anthony Estadistica U3 T2"

    Cargado por

    Anthony Acosta
    Este documento presenta varios ejercicios de regresión lineal simple y múltiple utilizando diferentes conjuntos de datos. Se ajustan modelos de regresión y se interpretan sus resultados. También se analizan los supuestos de los modelos de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Acosta Anthony Estadistica U3 T2"

    Cargado por

    Anthony Acosta
    13 vistas10 páginas
    Este documento presenta varios ejercicios de regresión lineal simple y múltiple utilizando diferentes conjuntos de datos. Se ajustan modelos de regresión y se interpretan sus resultados. También se analizan los supuestos de los modelos de regresión.

    Título original

    Acosta_Anthony_Estadistica_U3_T2”.docx (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta varios ejercicios de regresión lineal simple y múltiple utilizando diferentes conjuntos de datos. Se ajustan modelos de regresión y se interpretan sus resultados. También se analizan los supuestos de los modelos de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    13 vistas10 páginas

    Acosta Anthony Estadistica U3 T2"

    Cargado por

    Anthony Acosta
    Este documento presenta varios ejercicios de regresión lineal simple y múltiple utilizando diferentes conjuntos de datos. Se ajustan modelos de regresión y se interpretan sus resultados. También se analizan los supuestos de los modelos de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 10

    Datos del alumno Fecha

    Nombres: Widison Anthony

    Apellidos: Acosta Rivers

    Desarrollo de la Ac,vidad
    1. Los datos que se muestran en el archivo reg1.csv son rendimiento de kilometraje de
    gasolina (en millas por galón) y desplazamiento del motor (en centímetros cúbicos) para
    una muestra de 20 automóviles.
    datos <- read.csv('reg1.csv', sep = ';',dec = ',')
    a) Cree una variable Engine spIn 3 que contenga el desplazamiento del motor en
    pulgadas
    cúbicas. Una pulgada cúbica es equivalente a 16.3871 centímetros cúbicos. Redondee al
    entero más cercano. datos <- datos %>% mutate(EngineDispIn3 =
    round(EngineDisp/16.3871,0))

    b) Construya el diagrama de dispersión para las dos variables mpg y Engine spIn
    3Boxplot mpg boxplot(datos$MPG) # Box plot EngineDispIn3 boxplot(datos$EngineDispIn3)

    c) Calcule el coeficiente de correlación entre las dos variables mpg y Engine spIn 3
    cor(datos$MPG,df$EngineDispIn3)
    d) Ajuste un modelo lineal simple que relacione millas de carretera por galón (y) al
    desplazamiento del motor (x) utilizando mínimos cuadrados.
    model <- lm(MPG~EngineDispIn3, data = datos)
    summary(model)
    e) Encuentre una estimación del rendimiento medio de kilometraje de gasolina en
    carretera
    para un automóvil con un desplazamiento del motor de 150 pulgadas cúbicas.
    predict(model,data.frame('EngineDispIn3' = c(150)))
    f ) Obtenga el valor ajustado de y del residuo correspondiente para un automóvil, el Ford
    Escort, con un desplazamiento del motor de 114 pulgadas cúbicas.
    UNIVERSIDAD POLITECNICA SALESIANA
    des <- which(datos$EngineDispIn3 == 114) y <-
    datos$MPG[des] y_1 <-
    predict(model,data.frame('EngineDispIn3' = c(114))) cat('
    Valor Verdadero : ',y,'\n',
    'Valor Ajustado : ',y_1,'\n',
    'Residuo : ',y-y_1)

    g) ¿cómo interpreta el coeficiente de determinación de este modelo?


    summary(model)

    Nos indica que la variable EngineDispIn3 explica el modelo en un 20.11% a la variable


    dependiente es decir a MPG

    2. En el archivo reg2.csv presenta datos sobre el precio de venta y los impuestos anuales
    para 24 casas.
    d2 <- read.csv('reg2.csv',sep = ';', dec = ',')
    a) Suponiendo que un modelo de regresión lineal simple es apropiado, obtener el ajuste de
    mínimos cuadrados relacionando el precio de venta con impuestos pagados.
    model2 <- lm(Precio_miles~Tax_miles,data = d2)
    b) Encuentre el precio de venta medio dado que los impuestos pagados son x = 7,
    50.predict(model2,data.frame(Tax_miles = 7.5))
    c) Calcule el valor ajustado de y correspondiente a x = 5,8980. Encuentre el
    residuocorrespondiente.
    index <- which(d2$Tax_miles == 5.8980) y <-
    d2$Precio_miles[index] y_h2 <-
    predict(model2,data.frame(Tax_miles = 5.8980)) cat('
    Valor Verdadero : ',y,'\n',

    'Valor Ajustado : ',y_h2,'\n',


    'Residuo : ',y-y_h2)

    d) Calcule el ˆy ajustado para cada valor de xi usado para ajustar el modelo. Luego

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    construya una gráfica de ˆy versus el correspondiente valor observado yi .
    y_hats2 <- predict(model2,data.frame(Tax_miles = d2$Tax_miles))
    plot(d2$Precio_miles,y_hats2)

    e) Encuentre los residuos para el modelo de mínimos cuadrados.


    residuos2 <- d2$Precio_miles - y_hats2
    f ) Elabore una gráfica de probabilidad normal de los residuales e interprete esta
    presentación.

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA

    model2_standares <- rstandard(model2)


    qqnorm(model2_standares,

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    xlab = 'Residuos Estandarizados',
    ylab = 'Distribucion normal')
    qqline(model2_standares)
    El modelo que se observa se distribuyen como una normal dado que los residuos
    estandarizados se

    Están muy cercanos a la línea diagonal que representa a la distribución normal

    g) Grafique los residuos contra ˆy y contra x. ¿Parece que se cumple el supuesto de


    varianza constante? 3
    par(mfrow = c(1,2))
    plot(y_hats2,residuos2, xlab =
    'Valores ajustados', ylab =
    'Residuos')
    plot(d22$Tax_miles,residuos2,
    xlab = 'X', ylab = 'Residuos')
    par(mfrow = c(1,1))
    Dado que los puntos del gráfico de dispersión se encuentran muy dispersos es difícil.
    Confirmar que la varianza se comporta como una constante.
    Se debe realizar una prueba de homocedasticidad.

    h) ¿Qué proporción de la variabilidad total se explica por el modelo de regresión?


    summary(model2)

    El modelo de regresión lineal explica el 76.73% de la

    3. Se cree que la cantidad de libras de vapor utilizadas por mes por una planta qu´ımica
    est´a relacionada con la temperatura ambiente promedio (en grados Farenheit) para ese
    mes. El uso y la temperatura del año pasado se muestran en el archivo reg3.csv.
    df3 <- read.csv('reg3.csv', sep = ';', dec = ',')
    a) Suponiendo que un modelo de regresión lineal simple es apropiado, ajustar el modelo de
    regresión que relaciona el uso de vapor (y) con la temperatura media (x).

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    model3 <- lm(Libras_Miles~Temp,data = df3)
    b) ¿Cuál es la estimaci´on del uso de vapor esperado cuando la temperatura promedio es
    de 55 ◦F?
    predict(model3, data.frame(Temp = 55))
    c) ¿Qu´e cambio en el uso medio de vapor se espera cuando la temperatura promedio
    mensual cambia en 1 ◦F?
    model3$coefficients['Temp']
    d) Suponga que la temperatura promedio mensual es 47 ◦F. Calcule el valor ajustado de y
    yel residuo correspondiente.

    index <- which(df3$Temp == 47) y <-


    df3$Libras_Miles[index] y_hat <-
    predict(model3,data.frame(Temp = 47)) cat('
    Valor Verdadero : ',y,'\n',
    'Valor Ajustado : ',y_hat,'\n',
    'Residuo : ',y-y_hat)

    e) Calcule el ˆy ajustado para cada valor de xi usado para ajustar el modelo. Luego
    construya una gráfica de ˆy versus el correspondiente valor observado yi .
    y_hats3 <- predict(model3,data.frame(Temp = df3$Temp))
    plot(df3$Libras_Miles,y_hats3)

    f ) Encuentre los residuos para el modelo de mínimos cuadrados.


    residuos3 <- df3$Libras_Miles - y_hats3
    g) Elabore una gráfica de probabilidad normal de los residuales e interprete esta
    presentación.
    qqnorm(model3_stdres, xlab =
    'Residuos Estandarizados', ylab =
    'Distribución normal')
    qqline(model3_stdres)

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    En la gráfica gran parte de los residuos no se encuentran sobre la línea
    Diagonal lo que nos indica que no hay normalidad en los residuos

    h) Grafique los residuos contra ˆy y contra x. ¿Parece que se cumple el supuesto de


    varianza constante?
    par(mfrow = c(1,2))
    plot(y_hats3,residuos3, xlab
    = 'Valores ajustados', ylab =
    'Residuos')
    plot(df3$Temp,residuos3,
    xlab = 'X', ylab =
    'Residuos') par(mfrow =
    c(1,1))
    De acuerdo a la gráfica realizada podemos observar que los puntos rondan un valor
    constante

    Como se muestra el comportamiento de diferentes por lo que se puede decir


    Que se cumple el supuesto de varianza constante
    i) ¿Qué proporción de la variabilidad total se explica por el modelo de regresión?
    summary(model3)

    El modelo explica el 99.99% de la variabilidad

    4. A partir del archivo “todas 2018.csv ̧construya el ranking de las 1000 mejores empresas
    de acuerdo a las utilidades.
    df4 <- read.csv('todas2018.csv', encoding = 'utf8')
    a) Realice un diagrama de dispersión del número de empleados contra la utilidad.
    plot(df4$EMPLEADOS,df4$UTILIDAD)
    b) Determine la correlación entre el número de empleados y la
    utilidadcor(df4$EMPLEADOS,df4$UTILIDAD)
    c) Establezca un modelo de regresión lineal simple donde la variable dependiente sea la
    utilidad y la independiente sea el número de empleados. Interprete sus resultados.

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    <- lm(UTILIDAD~EMPLEADOS,data = df4)
    summary(model4_1)
    Se observa que la variable independiente es significativa
    Que tiene un p-valor menor al 5%, se observa que el modelo explica el 0.851% de la
    variabilidad
    Por otro lado, se puede decir que si la empresa contrata un empleado más la utilidad
    Aumentará¡ en 202.01 unidades monetarias

    d) Incluya en su modelo de regresi´on las ventas. Interprete sus resultadosmodel4_2 <-


    lm(UTILIDAD~EMPLEADOS+VENTAS,data = df4) summary(model4_2)
    #se puede observar que al ingresar la variable ventas, la variable empleados deja de ser
    significativa, mientras que
    La variable ventas si es significativa.
    Por otro lado, si observamos el estadístico F, podemos decir que el modelo es
    significativo de manera global
    En cuanto al al r-cuadrado podemos observar que el modelo explica el 49.2% de la
    variabilidad

    e) Adicione en su modelo de regresión del literal anterior el sector productivo al


    quepertenece la empresa. Interprete sus resultados.
    model4_3 <- lm(UTILIDAD~EMPLEADOS+VENTAS+factor(SECTOR_PROD),data = df4)
    summary(model4_3)
    Las variables que son significativas para el modelo son Ventas, como las siguientes
    Categorías de la variable sector productivo que son las categorías construccion e
    inmobiliaria
    El modelo explica el 49.27% de la variabilidad
    5. Con el conjunto de datos tourism.csv realice los siguientes ejercicios. Para los ejercicios b,
    c y d investigue sobre la regresi´on lineal múltiple. Adicionalmente investigue sobre los
    supuestos de los modelos de regresión y como verificarlos en R.
    df5 <-read.csv('tourism.csv', sep = ';')
    a) Le gustaría saber si la edad de los huéspedes influye en la cantidad gastada por dıa
    (conjunto de datos turismo.xlsx). Ejecute una regresi´on lineal con la edad como
    independiente y los gastos como variable dependiente. Verifique el cumplimiento de los
    supuestos.
    model5 <- lm(expenses~age,data = df5)

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    Supuesto de independencia plot(model5$residuals)

    Dado que en él los residuos no presenta un patrón definido podemos decir que se
    cumple el supuesto de independencia entre los errores
    Supuesto de Normalidad
    Test de normalidad
    shapiro.test(model5$residuals)
    Considerando un nivel de significancia de 5%, podemos aceptar la hipótesis nula, lo que
    implica que el modelo cumple con el supuesto de normalidad
    Supuesto de Homocedasticidad o varianza constante
    Test de homocedasticidad bptest(model5)
    Dado que el nivel de significancia elegido es de 5%, no se rechaza la hipótesis nula, por
    lo que se puede afirmar que el modelo cumple el supuesto de homocedasticidad
    Test de multicolinealidad el modelo es univariado
    Supuesto de no relación entre las variables explicativa y el error
    plot(model5$residuals,df5$age)
    No se muestra ningún patrón conocido se asume que se cumple este supuesto

    b) Suponga que usted no está realmente satisfecho con su resultado, pensando que una
    variable independiente puede no ser suficiente para explicar el gasto diario. Al entrar en
    detalles se piensa que además de la edad, la satisfacción con la estación de esquí y la
    duración de la estancia también pueden influir en el gasto diario. Ejecute el nuevo modelo
    de regresión y verifique los supuestos.model5_b <- lm(expenses~age+satisfaction+stay,data =
    df5)

    Supuesto de independencia plot(model5_b$residuals)


    Supuesto de Normalidad

    Test de normalidad
    shapiro.test(model5_b$residuals)
    Supuesto de Homocedasticidad o varianza constante
    Test de homocedasticidad
    bptest(model5_b)
    Test de multicolinealidad vif(model5_b)

    Supuesto de no relación entre las variables explicativa y el error


    plot(model5_b$residuals,df5$age)
    c) Al modelo del ejercicio anterior a˜nada la variable acomodación. Ejecuta el modelo de

    Universidad Politécnica Salesiana


    UNIVERSIDAD POLITECNICA SALESIANA
    regresión y verifique los supuestos.
    model5_c <- lm(expenses~age+satisfaction+stay+accommodation,data = df5)

    Supuesto de independencia plot(model5_c$residuals)

    Supuesto de Normalidad
    Test de normalidad
    shapiro.test(model5_c$residuals)
    Supuesto de Homocedasticidad o varianza constante
    Test de homocedasticidad
    bptest(model5_c)

    Test de multicolinealidad vif(model5_c)

    Supuesto de no relación entes las variables explicativa y el error


    plot(model5_c$residuals,df5$age)

    d) Finalmente a˜nada la variable sexo. Ejecute el nuevo modelo de regresión y verifique los
    supuestos.
    model5_d <- lm(expenses~age+satisfaction+stay+accommodation+sex,data = df5)

    Supuesto de independencia
    plot(model5_d$residuals)

    Supuesto de Normalidad
    Test de normalidad
    shapiro.test(model5_d$residuals)
    Supuesto de Homocedasticidad o varianza constante
    Test de homocedasticidad
    bptest(model5_d)
    Test de multicolinealidad vif(model5_d)
    Los supuesto de no relación entre las variables explicativa y el error
    plot(model5_d$residuals,df5$age

    Universidad Politécnica Salesiana

    También podría gustarte