Reporte

Nombre: Matrícula: 2669775

Nombre del curso: Estadística y Nombre del profesor:

pronósticos para la toma de
decisiones
Módulo: Actividad:
3. regresión lineal múltiple Actividad 6
Fecha: 14 de noviembre de 2016
Bibliografía:
https://miscursos.tecmilenio.mx/webapps/blackboard/execute/content/file?cm
d=view&content_id=_1335699_1&course_id=_47430_1&framesetWrapped=tr
ue

Objetivo:
Probar e interpretar las pruebas de hipótesis sobre los coeficientes de regresión multiple.

Procedimiento:

1. Leí los temas 13, 14 y 15 de Blackboard

2. Realicé La actividad 6
3. Hice un reporte de la actividad

Resultados:

a. Estima e interpreta en el contexto del problema los coeficientes de la

ecuación de regresión múltiple.

Ŷ= 82.35524956 + 7.619021402 X1 +
-1.045776628 X2 + 1.278446511 X3

Por cada gramo de grasa aumenta 7.6190 las calorías consumidas,

por cada gramo de carbohidratos disminuyen 1.0457 las calorías
consumidas y por cada gramo de proteínas aumenta 1.2784 las
calorías consumidas
 Reporte

b. Prueba la significancia del modelo de regresión múltiple; realiza todas las

etapas de una prueba de hipótesis.
Establecimiento H0= β1=β2=β3= 0 (las grasas X1 , los carbohidratos X2 y las
del hipotésis proteínas X3 no afecta la cantidad de calorías consumidas
Estadística de Fcalculada = 4.3760
la prueba
Regla de rechazar la H0 si Fcalculada es mayor que la Fteórica
decisión Fteórica= F37 α=0.05 = 4.35
Conclusión Puesto que Fcalculada = 4.3760 es mayor que Fteórica = F
(0.05) = 4.35, se rechaza Ho. (Existe evidencia de que al
menos una variable independiente, las grasas ( X1),los
carbohidratos (X2) y/o las proteínas (X3) afecta la
cantidad de calorías consumidas

c. Prueba la significancia de los coeficientes de regresión individuales.

Realiza todas las etapas de una prueba de hipótesis para cada uno de los
coeficientes.

Grasa
Establecimiento H0= β1= 0 (las grasas X1 no afecta la cantidad de calorías
del hipotésis consumidas
Estadística de Fcalculada = 15.9022
la prueba
Regla de rechazar la H0 si Fcalculada es mayor que la Fteórica
decisión Fteórica= F19 α=0.05 = 5.12
Conclusión Puesto que Fcalculada = 15.9022 es mayor que Fteórica = F
(0.05) = 5.12, se rechaza Ho. (Existe evidencia de que al
menos la variable independiente, las grasas ( X1) afecta la
cantidad de calorías consumidas

Carbohidratos
Establecimiento H0=β2= 0 (, los carbohidratos X2 no afecta la cantidad de
del hipotésis calorías consumidas
Estadística de Fcalculada = 5.0446
la prueba
Regla de rechazar la H0 si Fcalculada es mayor que la Fteórica
decisión Fteórica= F19 α=0.05 =5.12
Conclusión Puesto que Fcalculada = 5.04460 es menor que Fteórica = F
(0.05) = 5.12, se acepta la Ho. (no existe evidencia de que
al menos la variable independiente los carbohidratos (X2)
afecta la cantidad de calorías consumidas
 Reporte

Proteínas
Establecimiento H0=β3= 0 (las proteínas X3 no afecta la cantidad de
del hipotésis calorías consumidas
Estadística de Fcalculada = 2.0431
la prueba
Regla de rechazar la H0 si Fcalculada es mayor que la Fteórica
decisión Fteórica= F19 α=0.05 =5.12
Conclusión Puesto que Fcalculada= 2.0431 es menor que Fteórica = F
(0.05) = 5.12, se acepta la Ho. (no existe evidencia de que
al menos la variable independiente las proteínas (X3)
afecta la cantidad de calorías consumidas

d. Calcula e interpreta R2 en el contexto del problema.

Coeficiente de
determinación 0.65222638
R^2

e. Calcula el error estándar de estimación.

Sε = 54.59699057

f. Estima la cantidad promedio de calorías cuando el contenido de grasa es

de 50 g, la cantidad de carbohidratos es de 10 g y la cantidad de proteínas
es de 8 g.

Ŷ = 82.3552496 + 7.6190214 (50) + -1.04577663 (10) + 1.27844651 (8)

Ŷ= 463.076125

g. Calcula R2ajustada.

R^2 ajustado 0.503180543

h. Construye un intervalo de confianza para las pendientes de la población

(β1, β2 y β3).

Los intervalos son:

X1 t0.025(7)= 2.3646 DE -121.481023 A 136.719065
X2 t0.025(7)= 2.3646 DE -130.145821 A 128.054267
X3 t0.025(7) = 2.3646 DE -127.821597 A 130.37849
 Reporte

Conclusión:
Las Inferencias en modelos de regresión múltiple y predicción nos ayudaran a
ver que tanto afectan las variables independientes a la dependiente, al obtener
las hipótesis individuales se puede demostrar esto, ya que si usáramos solo la
hipótesis general solamente sabríamos que alguna variable afecta pero no
sabríamos cual o cuales.