Estadstica II

Unidad 3. Anlisis de regresin lineal mltiple

de regresin lineal

Universidad Abierta y a Distancia

Estadstica II
Unidad 3
Evidencia de Aprendizaje

Lic. Matemticas

Omar Pacheco

Estadstica II
Unidad 3. Anlisis de regresin lineal mltiple
Evidencia de aprendizaje. Ajuste de un anlisis de regresin lineal mltiple
Instrucciones: Resuelve cada uno de los elementos que se solicitan despus del
planteamiento.
El gerente de ventas de una gran distribuidora de partes de automvil desea
crear un modelo para calcular las ventas de cierta regin en el perodo de
primavera. Se utiliza la informacin de en aos anteriores. Las variables que se
consideran en el estudio son:

Ventas en el perodo de primavera (millones $)

x1

Nmero de tiendas que tuvieron descuentos

x 2 Nmero de automviles registrados en el perodo de primavera

(millones)

x 3 El ingreso promedio de las personas en la regin de estudio

(millones $)

x4

x 5 Nmero de vendedores

Antigedad promedio de los automviles (aos)

Se tiene la siguiente informacin

^ 2=1.8856
SST =1601.622

t 0.025,4=2.7764
SSR=1590.88

Estadstica II
Unidad 3. Anlisis de regresin lineal mltiple
a) Escribe el modelo de regresin mltiple

Y= -19.7268 - 0.0007X1 +1.7537X2 + 0.4107X3 + 2.0487X4 0.0424X5

b) Si el nmero de tiendas es 2000, el nmero de automviles es 9.0, los
ingresos promedios son de 70, la antigedad promedio se tiene de 3.5 y
el nmero de vendedores es de 10. Estima las ventas en el perodo de
primavera.
Y= -19.7268 - 0.0007X1 +1.7537X2 + 0.4107X3 + 2.0487X4 - 0.0424X5
Y=VENTAS
X1=2000 , X2=9 , X3=70 , X4 =3.5 , X5=10
SUSTITUYENDO ESTOS VALORES EN LA ECUACIN DE REGRESIN
Y= -19.7268 - 0.0007(2000) +1.7537(9) + 0.4107(70) + 2.0487(3.5) 0.0424(10)
Y= -19.7268 - 1.4 + 15.7833 + 28.749 + 7.1704 0.424
Y= 30.1519
SE ESTIMA VENDER 30.1519 MILLONES EN EL PERIODO

c) Construye la tabla ANOVA y contrasta la hiptesis global para determinar

si algunos de los coeficientes de la regresin no es cero. Utiliza el nivel
de significancia

=0.05 .

n=observaciones (en el ejemplo no dice cuntas observaciones o almenos no

supe como determinar las observaciones , entonces voy a suponer que son 10
observaciones ) = 10
p=variables = 5
Fuente de
Variacion

Regresi
n
Error
Total

Fuente de
Variacion

Suma de
Cuadrados

Grados de
Libertad

Cuadrados
Medios

F0

SSR

MSR=SSR/p

MSR/MSE

SSE

n-p-1

MSE=SSE/n-p-1

SST

n-1

Suma de
Cuadrados

Grados de
Libertad

Cuadrados
Medios

F0

Estadstica II
Unidad 3. Anlisis de regresin lineal mltiple
Regresi
n
Error
Total

1590.88

318.176

10.742
1601.622

2.6855

118.4792

Ho : que alguna de ellas no sea cero 00 10 , 20 , 30 , 40 , 50

H1 : que alguna de ellas si sea cero 0=0 1=0 , 2=0 , 3=0 , 4=0 , 5=0
n=10
k=5 (nmero de variables x1,x2,x3,x4,x5)

= 0.05
F calculado = 118.4792
F

critico

(1-,k,n-k-1) = F

(0.95,5,4)

critico

Usando la frmula de Excel

INV.F(0.95,5,4) = 6.2560565

Entonces se rechaza H0 si F
Se acepta H0 si F
F

calculado

critico

calculado

<= F

calculado

>F

critico

critico

118.4792

= 6.2560565

118.4792 >6.2560 entonces como F

establece que

H 0 : 1 0

calculado

>F

critico

se rechaza H0 donde

H 0: 0 0 ,
H 0: 2 0 .

H 0: 3 0

4 0

5 0

Y podemos

aceptar la H1 donde almenos 0=0 o 1=0 o 2=0 o 3=0 o 4=0 o 5=0

Y lo podemos ver en la ecuacin donde hay valores muy pequeos que prcticamente
son cero y no afectan a la recta

d) Realiza las pruebas t individuales para contrastar cada uno de los

parmetros. Utiliza

=0.05 .

Estadstica II
Unidad 3. Anlisis de regresin lineal mltiple
e) Calcula el coeficiente de determinacin e interpreta
Coeficiente de determinacin = R
R = 1- SSE/SST
SST=1601.622
SSR=1590.88
SSE=SST-SSR
SSE=1601.622 - 1590.88
SEE= 10.742
R = 1- 10.742/1601.622
R= 1-0.0067
R= 0.9932
R es muy cercano a 1 entonces podemos decir que es muy confiable el modelo de
regresin

f) Interpreta la matriz de correlacin entre las variables

Podemos decir que entre muchas de las variable hay correlacin negativa y
quiere decir que no hay una relacin entre ellas, entonces determinamos la
determnate de la matriz de correlacin en geogebra.

Ingresamos la operacin de determnate en geogebra

Determnate = 0.0256
Podemos ver que el determnate de la matriz es muy cercano a cero entonces
podemos decir que no hay una dependencia o correlacin fuerte entre ellas en

Estadstica II
Unidad 3. Anlisis de regresin lineal mltiple
pocas palabras que el cambio de una variable no afecta a la otra, entonces
podramos decir que no todas las variable influyen para una estimacin

g) Propondras un nuevo modelo en base a lo anterior?

Como R es muy cercano a 1 decimos que es confiable este modelo, se podra eliminar
algunas variables independientes puesto que no en muchas de ellas no hay una
correlacin fuerte, esto podra simplificar la ecuacin de regresin de hecho lo hace al
desaparecer variables se reduce la ecuacin.