Anda di halaman 1dari 11

El Modelo De Regresion Lineal Simple

Andrés Felipe Plaza Hernandez


Estadistica Aplicada II

26 de marzo de 2018
Introducción

Se requiere ajustar un modelo de regresion lineal , para predecir el


peso de acuerdo con la estatura de un individuo. Como variable de
respuesta el Peso y variable predictora la estatura, adiccionalmente
se agregara la variable Sexo al modelo y evaluar su influencia.
Ajuste Del Modelo

Estimate Std. Error t value P-value


(Intercept) -80.0221 18.7855 -4.26 0.0003
Altura 0.8512 0.1071 7.95 0.0000

peso = −80,0221 + 0,8512(Altura)


Ajuste Del Modelo

Modelo Ajustado
150
Peso

50
0

160 170 180 190 200

Estatura

R 2 = 0,73
Intervalos De Confianza

5% 95 %
(Intercept) -112.28 -47.76
Altura 0.67 1.04
Modelo Lineal, Intervalo De Confianza y Prediccion

Modelo Ajustado
150
Peso

50
0

160 170 180 190 200

Estatura
Diagnostico Del Modelo
2
1
residuos

0
−1

55 60 65 70 75 80 85 90

valores.ajustados
N
se observa ningún patrón especial, por lo que tanto la
homocedasticidad como la linealidad resultan hipótesis razonables.
Diagnostico Del Modelo

Normal Q−Q Plot


2
Sample Quantiles

1
0
−1

−2 −1 0 1 2

Theoretical Quantiles
La
normalidad también parece aceptable.
Modelo Regresion Lineal Adiccionando Variable Sexo

Estimate Std. Error t value Pr(P-value)


(Intercept) -71.3651 31.8230 -2.24 0.0364
altura 0.8028 0.1758 4.57 0.0002
sexoMujer -21.4443 46.5878 -0.46 0.6503
altura:sexoMujer 0.1242 0.2667 0.47 0.6463

R 2 = 0,7063
Modelo De Regresion Ajustado

Modelo Regresion iterado

H
90
H
80

H M
peso

MM H H
M
70

H M H
HH
H M
M
60

H
M
M
MM M

160 170 180 190 200

altura
D.C. Montgomery, E.A. Peck, G.G. Vining , Introducción al
análisis de regresión lineal
Julian J. Faraway, models linal with R.