ESTADISTICA INDUSTRIAL

ANALISIS DE REGRESIÓN MÚLTIPLE

PRACTICA Nº7
1. Teniendo en cuenta los datos de la tabla adjunta:

Y X2 X3
2 1 0
2 3 3
1 4 2
3 4 5
1 3 4
a. Hallar la ecuación de la recta
b. Hallar la varianza residual
c. Hallar el coeficiente de determinación
d. Hallar el coeficiente para los coeficientes del modelo
e. Construir la tabla ANOVA

2. Se hizo un estudio sobre el consumo de helado (kg per cápita por semana)
durante la primavera y el verano, el precio/kg del helado (dólares) el ingreso
familiar de los consumidores (dólares) y la temperatura (grados Fahrenheit)
consumo 0.387 0.375 0.394 0.428 0.407 0.345 0.328 0.289 0.269 0.258
Precio 1.33 1.37 1.32 1.30 1.32 1.37 1.38 1.39 1.41 1.42
ingreso 359 358 360 370 366 357 357 352 343 343
temperatura 63 61 65 69 68 55 47 42 32 23

Si el reporte de resultados del minitab es el siguiente

Análisis de regresión: consumo vs. precio

La ecuación de regresión es
consumo = 2.26 - 1.40 precio

Predictor Coef SE Coef T P

Constante 2.2573 0.1902 11.87 0.000
precio -1.4029 0.1397 -10.04 0.000

S = 0.0172709 R-cuad. = 92.7% R-cuad.(ajustado) = 91.7%

a) Encuentre la recta de regresión que exprese en términos del precio

b) Determinar si existe correlación entre el consumo y el precio
 Análisis de regresión: consumo vs. ingreso

La ecuación de regresión es
consumo = - 2.00 + 0.00660 ingreso

Predictor Coef SE Coef T P

Constante -2.0033 0.2635 -7.60 0.000
ingreso 0.0065954 0.0007389 8.93 0.000

S = 0.0192466 R-cuad. = 90.9% R-cuad.(ajustado) = 89.7%

c) Encuentre la recta de regresión que exprese en términos del ingreso

d) Determinar si existe correlación entre el consumo y el ingreso

Análisis de regresión: consumo vs. precio, ingreso, temperatura

La ecuación de regresión es
consumo = 0.530 - 0.461 precio + 0.00094 ingreso + 0.00209 temperatura

Predictor Coef SE Coef T P

Constante 0.5296 0.7168 0.74 0.488
precio -0.4609 0.2726 -1.69 0.142
ingreso 0.000942 0.001357 0.69 0.514
temperatura 0.0020923 0.0007708 2.71 0.035

S = 0.0108459 R-cuad. = 97.8% R-cuad.(ajustado) = 96.7%

e) Encuentre el modelo de regresión entre consumo, precio, ingreso y

temperatura
f) Determinar si existe correlación entre el consumo, precio, el ingreso y
temperatura
g) Estime el consumo cuando el precio/Kg es 1.29 dólares, el ingreso es de
400 dólares y la temperatura es de 25 grados Fahrenheit
Análisis de varianza

Fuente GL SC CM F P
Regresión 3 0.031772 0.010591 90.03 0.000
Error residual 6 0.000706 0.000118
Total 9 0.032478

Fuente GL SC Sec.
precio 1 0.030092
ingreso 1 0.000814
temperatura 1 0.000867

h) ¿Es el modelo lineal múltiple apropiado?

3. Como parte de un estudio para investigar la relación entre la tensión
nerviosa (estrés) y otras variables (tamaño de la empresa, número de años
en la posición actual, salario anual en miles de dólares, edad en años), se
reunieron los siguientes datos a partir de una muestra aleatoria simple de
quince ejecutivos de una empresa.

a) Escriba la recta de regresión múltiple estimada a partir de estos datos.

Interprete los coeficientes de regresión.
b) ¿Cuál es el valor del coeficiente de determinación que usaría para describir
la bondad de ajuste del modelo? Interprételo en términos del problema de
regresión
c) Examine los tests t de los coeficientes de regresión. ¿Le parece que es este
un modelo adecuado para describir el estrés o propone otro?
d) Qué supuestos se deben cumplir para la utilización de este modelo.
e) Dé un estimador de la desviación estándar poblacional. ¿A qué se refiere
esta medida de variabilidad?

4. El gerente de una determinada empresa está estudiando las posibles relaciones

entre las variables X1 : Beneficios anuales, X2 : Gastos en publicidad anuales y
X3 : horas extraordinarias anuales de los empleados, utilizando para ello datos
de estas tres variables proporcionadas por algunas empresas de su sector:

a) Determinar la matriz de varianzas – covarianzas

b) Determinar la matriz de correlación.
c) ¿Qué porcentaje de la varianza de los beneficios explicaría una función lineal
de los gastos en publicidad?
d) ¿Qué porcentaje de la varianza de los beneficios explicaría una función lineal
de las horas extraordinarias anuales de los empleados?

5. Se tiene notas obtenidas en una evaluación del curso de estadística, el

tiempo dedicado al estudio de ese curso antes de la evaluación y el número
de veces que el alumno ha llevado el curso para una muestra de 10
alumnos
Nota 12 14 15 11 16 17 10 8 18 19
Del
curso
Horas 1 3 5 4 5 4 1 2 5 6
De
estudio
Numero 1 2 2 3 1 1 1 2 1 2
De
veces
 a) Se desea establecer el modelo de regresión que explique el
rendimiento del alumno
b) Calcular la suma de cuadrados debido al error
c) Calcular los intervalos de confianza de los estimadores
d) Calcular el coeficiente de determinación múltiple
e) Pruebe la significación del modelo
f) Pruebe en forma individual las variables

6. Los siguientes datos fueron registrados por una compañía demudanza sobre
los pesos (miles de libras) la distancia de traslado (en miles de kilómetros) y
los daños sufridos ( en dólares)
Peso 4.0 3.0 1.6 1.2 3.4 4.8 3.5 2.0 1.6 3.5 4.0 1.0
X1
Distan 1.5 2.2 1.0 2.0 0.8 1.6 1.4 2.6 1.2 2.4 2.4 1.0
cia
X2
Daño 160 112 69 90 123 186 148 105 74 156 175 140
Y

a) Se desea establecer el modelo de regresión que explique el

rendimiento del alumno
b) Calcular la suma de cuadrados debido al error
c) Calcular los intervalos de confianza de los estimadores
d) Calcular el coeficiente de determinación múltiple
e) Pruebe la significación del modelo
f) Pruebe en forma individual las variables