Error Estandar de Estimación

Descargar como xlsx, pdf o txt
Descargar como xlsx, pdf o txt
Está en la página 1de 4

Supongamos que queremos analizar cómo el número de horas de capacitación en un nue

Valores Resíduos y
Horas de
Productividad (y) predichos cuadrados
Capacitación (x)
(y)=b0+b1(x) residuos
2 30 36.273 39.3471
4 45 42.545 6.0248
6 50 48.818 1.3967
8 55 55.091 0.0083
10 65 61.364 13.2231
12 70 67.636 5.5868
14 75 73.909 1.1901
16 80 80.182 0.0331
18 85 86.455 2.1157
20 90 92.727 7.4380
pendiente b1= PENDIENTE(Datos de y; Datos de x)
b1= 3.1364

interseccion b0= INTERSECCION.EJE( Datos de y; Datos de x)


b0= 30.00

Ecuación =
y= b0 + b1x
y= 30+3,1364x

Suma de los Cuadrados de los Residuos (S)


S= SUMA(Resíduos y cuadrados residuos )
S= 76.3636

Error Estándar de Estimación


n= numero de observaciones
n= 10
p= Número de parámetros
p= 2 (son b0 y b1)
EEE= RAIZ(S/(n-p))
EEE= 3.089572
e capacitación en un nuevo software afecta la productividad de los empleados.

Productividad de los empleados de


acuerdo al número de horas de capacita-
ción en un nuevo software
100
90
80 f(x) = 3.13636363636364 x + 30
70
60
50
40
30
20
10
0
0 5 10 15 20 25
Supongamos que en una empresa de TI se ha recopilado información sobre el número de horas de trabajo semanal (
Queremos ajustar una línea de regresión para predecir el número de errores en función de las horas trabajadas. un s

Valores Resíduos y
Errores Número de h
0 predichos (y)= cuadrados
Reportados (y)
b0+b1(x) residuos número de e
5 15 15.178 0.0318 ftware de
7 18 18.549 0.3018 50
8 20 20.235 0.0552 45
10 25 23.606 1.9428 40 f(x) = 1.6855807743
35
12 28 26.977 1.0459 30
14 30 30.348 0.1214 25
16 33 33.720 0.5179 20
18 36 37.091 1.1898 15
10
20 40 40.462 0.2134 5
22 45 43.833 1.3616 0
4 6 8 10

Queremos encontrar la línea de regresión que predice el tiempo de procesamiento en función del número de solicitu

pendiente b1= PENDIENTE(Datos de y; Datos de x)


b1= 1.6856

interseccion b0= INTERSECCION.EJE( Datos de y; Datos de x)


b0= 6.750

Ecuación =
y= b0 + b1x
y= 6,750+1,6856x

Suma de los Cuadrados de los Residuos (S)


S= SUMA(Resíduos y cuadrados residuos )
S= 6.7817 Refleja la cantidad total de error en las predicciones del modelo de regresión.

Error Estándar de Estimación


n= numero de observaciones
n= 10
p= Número de parámetros
p= 2 (son b0 y b1)
EEE= RAIZ(S/(n-p))
EEE= 0.920714
horas de trabajo semanal (x) y el número de errores reportados en el software (y) para un grupo de empleados.
e las horas trabajadas. un sistema y el tiempo de uso del sistema (en horas).

Número de horas de trabajo semanal y el


número de errores reportados en el so-
ftware de un grupo de empleados
50
45
40 f(x) = 1.68558077436582 x + 6.75033377837116
35
30
25
20
15
10
5
0
4 6 8 10 12 14 16 18 20 22 24

ción del número de solicitudes.

También podría gustarte