Carrera de Economía
Estadística III
Nombre: George Fernando Lalangui Armijos
Fecha: 06/01/2019
Curso: 3 “A”
4. Una agencia de bienes raíces que desea determinar si existe relación entre los
precios de departamentos en venta y su superficie y la disponibilidad de cuarto
de servicio, obtuvo los siguientes datos de una muestra de departamentos:
Construya una ecuación de regresión lineal múltiple, con el precio como variable
dependiente y plantee las conclusiones que se pueden extraer de ese modelo.
En la tabla 1 podemos ver que, si todo permanece constante, se explica que el precio
promedio tendría una constante aproximada de 75.14.
Tras obtener una unidad más en la superficie, se espera que el precio aumente
aproximadamente en 0.40
Tras obtener mayor disponibilidad de cuartos de servicio, se espera que el precio de
departamentos en venta aumente aproximadamente en 5.78.
5. Un fabricante desea revisar la relación que tienen las ventas de su producto con
el espacio de anaquel y la ubicación en los pasillos que los supermercados le
otorgan. Para ello, tomó una muestra de 12 supermercados y obtuvo la
información que se muestra en seguida:
Construya una ecuación de regresión lineal múltiple, con las ventas semanales
como variable dependiente y plantee las conclusiones que se pueden extraer de
ese modelo.
Universidad Nacional de Loja
Carrera de Economía
Estadística III
Nombre: George Fernando Lalangui Armijos
Fecha: 06/01/2019
Curso: 3 “A”
Parte A. Realizar e interpretar del libro de Díaz, los ejercicios adicionales 23, 24.
23. Para evaluar la relación que existe entre la edad y la hipertensión con el estado general
de salud, el cual resume la calificación sobre 10 indicadores, se tomó una muestra de 23
sujetos y se obtuvieron los siguientes resultados, en donde 1 representa un individuo con
hipertensión y 0 otro que no la padece.
a) Construya una ecuación de regresión lineal múltiple que describa la relación del estado
de salud como variable dependiente y plantee las conclusiones a las que se pueda llegar
a partir del modelo.
En la Tabla 23, se puede constatar que contamos con dos variables independientes como lo son
la edad y la hipertensión.
contamos en la parte superior un resumen de la tabla ANOVA; en donde se observa las sumas
cuadráticas de la regresión es de 3284,40, la de error que es de 508,58 con un total de 3792,98.
De igual manera tenemos las medias cuadráticas: la de regresión es de 1642,20; y la de error es
de 25,43; con un total de 172,41. Los grados de libertad para la regresión es de 2 y para el error
es de 20.
El error de estimación es 5,04, el cual no es significativo con respeto a la media del estado de
salud; por lo que si es posible estimar con un pequeño porcentaje de error.
Conclusiones:
A partir de la ecuación de regresión múltiple obtenida, su puede concluir:
En la tabla 3 podemos ver que, si todo permanece constante, se explica que el estado
de salud tendría una aproximación de 112.60.
Tras obtener aumentar un año más, se espera que el estado de salud disminuya
aproximadamente en -0.92.
Tras obtener una persona hipertensión, se espera que el estado de salud disminuya
aproximadamente en -17.53.
a) Construya una ecuación de regresión lineal múltiple que describa la relación del número
de artículos sin defectos como variable dependiente y plantee las conclusiones a las que
se pudiera llegar a partir del modelo.
Tabla 4: Resumen estadístico de la regresión lineal múltiple
Source SS df MS Number of obs = 39
F(3, 35) = 69.66
Model 13632635 3 4544211.66 Prob > F = 0.0000
Residual 2283154.76 35 65232.9932 R-squared = 0.8565
Adj R-squared = 0.8443
Total 15915789.7 38 418836.572 Root MSE = 255.41
En la Tabla 4, se puede observar los datos estadísticos de la regresión lineal múltiple en donde
la variable dependiente es “Artículos sin defectos” y se cuenta con 3 variables independientes
como son horas de capacitación turnos matutino y nocturno.
a. Obtenga las estadísticas de resumen y los histogramas para las variables WAGE
(salario), EDUC (educación). Discuta las características de los datos.
En la Tabla 5, se puede observar que para la variable salario, se obtiene una media de 20.61, con
una desviación estándar de 12,83 con un máximo de 76.39 y un mínimo de 1.97. estos
estadísticos nos ayudan a explicar la simetría que se presenta en la variable 1.
Para la variable educación se obtiene una media de 13.79, con una desviación estándar de 2.71
con un máximo de 21 y un mínimo de 0. Por lo cual estos estadísticos nos ayudan a explicar la
simetría que existen en la variable 2.
.02
.01
0
0 20 40 60 80
earnings per hour
En la Figura 1; nos muestra que los datos de la variable salario tienen una simetría positiva.
Universidad Nacional de Loja
Carrera de Economía
Estadística III
Nombre: George Fernando Lalangui Armijos
Fecha: 06/01/2019
Curso: 3 “A”
.2
.1
0
0 5 10 15 20
years of education
b. Estime la regresión lineal entre el salario (wage), educación (EDUC), experiencia (exp),
married (1 si es casado), female (1 si es mujer) y discuta los resultados.
0
-20
-40
-10 0 10 20 30 40
Linear prediction
En la Figura 3, se observa observar que los datos siguen una línea de tendencia igual tienen una
relación positiva débil por lo que se puede concluir que no cumple con los supuestos de
homoscedasticidad ni el supuesto de linealidad.
.02
0
-40 -20 0 20 40 60
Residuals
En la figura 4 se puede observar que la campana se encuentra por debajo de los residuos por lo
que concluimos que no se cumple el supuesto de normalidad.
Universidad Nacional de Loja
Carrera de Economía
Estadística III
Nombre: George Fernando Lalangui Armijos
Fecha: 06/01/2019
Curso: 3 “A”
En la figura 5 podemos observar que los residuos de encuentran alejados a más de 45 grados
de la recta de regresión por lo tanto se llega a la conclusión que no cumple con el supuesto de
normalidad.
Figura 6: Diagrama de dispersión del precio de venta de la parcela contra el área de vivienda
800000
600000
400000
200000
10 20 30 40 50
living area, hundreds of square feet
b. Estime el modelo de regresión lineal para todas las casas en la muestra. Interpreta las
estimaciones (Coeficiente de determinación, pruebas de significancia global e individual)
Ŷ = 𝟏𝟔𝟎𝟑𝟏, 𝟏𝟏 + 𝟖𝟖𝟖𝟒, 𝟒𝟖𝒙𝟏 −𝟏𝟎𝟓𝟕𝟏, 𝟖𝟔𝒙𝟐 − 𝟑𝟓𝟑𝟗, 𝟑𝟐𝒙𝟑 +𝟓𝟗𝟓𝟗𝟖, 𝟎𝟐𝒙𝟒 − 𝟏𝟔𝟐, 𝟗𝟒𝒙𝟓 + 𝟏𝟒𝟒𝟕𝟗, 𝟐𝟔𝒙𝟔
En la tabla 7 podemos constatar que el promedio del precio de las parcelas cuando lo demás
permanece constante es aproximadamente de 16031,11.
Cuando se obtiene una cantidad adicional, se espera que el promedio del precio aumente
aproximadamente en 8884,48.
Cuando se obtiene una cama adicional, se espera que el precio disminuya
aproximadamente en -10571,86.
Al obtener una bañera adicional, se espera que el precio disminuya aproximadamente
en -3539,31.
Al obtener una unidad adicional en el tamaño se espera que el precio promedio aumente
en 59598,02.
Si se obtiene un año adicional se espera que el precio disminuya en aproximadamente -
162,93
Universidad Nacional de Loja
Carrera de Economía
Estadística III
Nombre: George Fernando Lalangui Armijos
Fecha: 06/01/2019
Curso: 3 “A”
Ho: b1=b2=b3=0
LIVAREA
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
8884.48
𝑇= = 31.60
281.19
BEDS
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
−10571.86
𝑇= = −5.65
1870.12
BATHS
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
−3539.32
𝑇= = −1.30
2027.87
LIVAREA
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
8884.48
𝑇= = 31.60
281.19
lgelot
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
59598.02
𝑇= = 14.18
4204.45
Age
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
−162.94
𝑇= = −2.15
75.75
Si se rechaza la hipótesis nula por lo que la variable independiente es significativa
Poll
Ho: b=0
H1:b≠0
ZNR
ZR ZR
Se rechaza la hipotesis nula si t calculado es mayor o igual a 1.96 y si es menor o igual a -1.96
14479.29
𝑇= = 3.81
3795.59
200000
0
-200000
En la figura 8 claramente se puede observar que la campana se encuentra por debajo de los
residuos por lo que concluimos que no se cumple el supuesto de normalidad.
En la figura 9 se puede observar que los residuos están alejados de la recta más de 45 grados
por lo que se concluye que no cumple el supuesto de normalidad.