Nombre: Matrícula:

Juan Fernando Salinas Cuevas 02825520

Nombre del curso: Estadística y pronósticos Nombre del profesor:

para la toma de decisiones
Pedro Herrera Ruiz

Módulo 3: Regresión lineal múltiple Actividad 6

Temas:13,14,15 ¿De qué depende la cantidad
de calorías en una ensalada:
¿del contenido de grasa,
contenido de carbohidratos o
cantidad de proteínas?

Fecha: 08/11/2018
Bibliografía:
Estadística y pronósticos para la toma de decisiones Recuperado de
Miscursos.tecmilenio.mx
https://miscursos.tecmilenio.mx/ultra/courses/_127295_1/cl/outline
Parte 1

1. Revisa la siguiente información nutricional, de las ensaladas. Enseguida se

presentan las siguientes variables que se registraron en diferentes tipos de
ensaladas. Las variables son:
a. Y: Calorías
b. X1: Grasa (g)
c. X2: Carbohidratos (g)
d. X3: Proteínas (g)

Ensalada Grasa (g) Carbohidratos (g) Proteínas (g) Calorías

(porciones Y
de 100 g)
César 14.7 6.52 5.03 170
Atún 11.02 6.96 14.27 184
Atún con Queso 14.72 6.87 14.44 217
Atún con huevo 12.93 6.96 13.71 196
Macarrones o pasta 10.63 22.98 3.76 202
Macarrones u otra pasta con13.34 15.00 10.11 221
pollo
Macarrones u otra pasta con9.14 19.49 7.07 18.9
atún
Ensalada de huevo 30.26 1.93 9.20 318
Ensalada de papas 8.20 11.17 2.68 143
Ensalada de papas con huevo 7.05 15.96 2.77 136
Ensalada de papas estilo1.24 16.66 2.52 88
alemán
Información obtenida de:
http://www.fatsecret.cl Solo para fines educativos

2. Estos datos se deben ingresar a Excel o Minitab.

3. Estima e interpreta en el contexto del problema los coeficientes de la ecuación
de regresión múltiple.
4. Prueba la significancia del modelo de regresión múltiple; realiza todas las etapas
de una prueba de hipótesis.

Parte 2

5. Prueba la significancia de los coeficientes de regresión individuales. Realiza

todas las etapas de una prueba de hipótesis para cada uno de los coeficientes.
6. Calcula e interpreta R2 en el contexto del problema.
7. Calcula el error estándar de estimación.
Parte 3

8. 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.
9. Calcula R2ajustada.
10. Construye un intervalo de confianza para las pendientes de la población (β 1, β2 y
β3).

Resultados.

Parte 1:

2.-
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.807605337
Coeficiente de determinación R^2 0.65222638

R^2 ajustado 0.503180543

Error típico 54.59699057

Observaciones 11

ANÁLISIS DE VARIANZA

Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

Regresión 3 39132.46216 13044.15405 4.37601206 0.04928344

Residuos 7 20865.81966 2980.831379

Total 10 59998.28182

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
Intercepción 82.35524956 89.70541762 0.918063276 0.38912259 -129.764356 294.474856 -129.764356 294.474856
Variable X 1 7.619021402 3.206012851 2.376478747 0.04913585 0.03800566 15.2000371 0.03800566 15.2000371
Variable X 2 -1.045776628 3.841071065 -0.272261724 0.79327674 -10.1284664 8.03691316 -10.1284664 8.03691316
Variable X 3 1.278446511 4.355873681 0.293499446 0.77765122 -9.02155803 11.5784511 -9.02155803 11.5784511

3.- Coeficientes de la ecuación:

Coeficientes
Intercepción 82.35524956
Variable X 1 7.619021402
Variable X 2 -1.045776628
Variable X 3 1.278446511
Ecuación: Y82.3552+7.6190X₁+ -1.0457X₂+1.2784X₃
Lo que nos indica que, por cada gramo de incremento en grasa, las calorías
aumentan 7.61, si las proteínas y carbohidratos se mantienen constantes por cada
gramo que aumenten los carbohidratos las calorías disminuyen 1.045 gramos,
cuando todas las variables estén constantes por cada gramo que aumenten las
proteínas las calorías aumentaran 1.2784 gramos.
4.-
Hipótesis nula: H0: β1 = β2 = βk = 0 Hipótesis alternativa: H₁: ß₁≠0
F calculada: 4.37601206
Coeficiente de significancia: 0.05
F teórica: 4.3468314
Se rechaza la hipótesis nula

Parte 2:

5.- Pruebas de significancia

X₁
Pendiente para X₁= 7.619021402
Error estándar X₁= 3.206012851
Hipótesis nula: Ho= ß₁=0 Hipótesis alternativa: H₁=ß₁≠0
Tcalculada= 2.3764
Coeficiente de significancia 0.05
T teórica= 2.3646
Se rechaza la hipótesis nula.
X₂
Pendiente para X₂= -1.045776628
Error estándar X₂= 3.841071065
Hipótesis nula: Ho= ß₁=0 Hipótesis alternativa: H₁=ß₁≠0
Tcalculada= -0.27226172
Coeficiente de significancia 0.05
T teórica= 2.3646
Se acepta la hipótesis nula.
X₃
Pendiente para X₃= 1.278446511
Error estándar X₃= 4.355873681
Hipótesis nula: Ho= ß₁=0 Hipótesis alternativa: H₁=ß₁≠0
Tcalculada= -0.29349945
Coeficiente de significancia 0.05
T teórica= 2.3646. Se acepta la hipótesis nula.
6.- R²
0.65222638 = 65.22% de variación entre las variables.
7.- Error estándar
54.59699057
Parte 3:
8.-

Y82.3552+7.6190X₁+ -1.0457X₂+1.2784X₃
Y82.3552+7.6190(50)+-1.0457(10)+1.2784(8) = 463.0778

9.- R²ajustada:
0.503180543

10.- Intervalos de confianza

Inferior 95% Superior 95%
-
129.764356 294.474856
Intercepción
0.03800566 15.2000371
Variable X 1
-
10.1284664 8.03691316
Variable X 2
-
9.02155803 11.5784511
Variable X 3

Variable X₁= (0.0380,15.2003)

Variable X₂= (10.1284,8.0369)
Variable X₃= (9.0215,11.5784)