Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9721026172641
Coeficiente de determinación R^2 0.9449834984916
R^2 ajustado 0.9327576092676
Error típico 0.8597423369858
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 114.264254692615
Residuos 9 6.65241197405147
Total 11 120.916666666667

Coeficientes Error típico

Intercepción 0.337319931345 0.567360464886037
Variable X 1 0.4810759976091 0.058954830546232
Variable X 2 0.2886527272827 0.086077654937977

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 6.0140380892844 -0.014038089284441
2 9.2854119027643 -0.285411902764297
3 7.2648428117854 0.735157188214586
4 2.5502766490642 0.449723350935782
5 9.2854119027643 0.714588097235703
6 3.5124286442825 0.487571355717506
7 6.206497003197 -1.20649700319695
8 2.454082835694 -0.454082835694035
9 11.305909706571 -0.305909706571033
10 7.5535311826542 1.44646881734581
11 10.824833708962 -0.824833708961894
12 2.7427355629767 -0.742735562976733
Promedio de los cuadrados F Valor crítico de F
57.1321273463076 77.2936415 2.14891068800714E-06
0.739156886005719

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
0.594542539041251 0.56679332 -0.946138608185499 1.62077847 -0.9461386082 1.620778470875
8.16007769256299 1.88879E-05 0.347710905407425 0.61444109 0.3477109054 0.614441089811
3.35339906147169 0.00847762 0.09393154360788 0.48337391 0.0939315436 0.483373910958

Resultados de datos de probabilidad

Percentil Y
4.16666667 2
12.5 2
20.8333333 3
29.1666667 4
37.5 5
45.8333333 6
54.1666667 8
62.5 9
70.8333333 9
79.1666667 10
87.5 10
95.8333333 11
Responda a los siguientes cuestionamientos (Regresión Lineal Múltiple, Intervalos de confianza y predicción)

Considere los datos que aparecen en la siguiente tabla:

a)    Ajuste el siguiente modelo Y =β0 + β1 X1 + β2 X 2 cuadrados para estos coeficientes de regresión.

El análisis se hizo utilizando Excel.

Análisis de los residuales

 INT. Y X1 X2 Funciòn ObservaciónPronóstico para Y Residuos
1 6 10 3 6.0131 1 6.014038089 -0.014038089
2 9 12 11 9.2839 2 9.285411903 -0.285411903
3 8 12 4 7.2637 3 7.264842812 0.735157188
4 3 4 1 2.5499 4 2.550276649 0.449723351
5 10 12 11 9.2839 5 9.285411903 0.714588097
6 4 6 1 3.5119 6 3.512428644 0.487571356
7 5 8 7 6.2055 7 6.206497003 -1.206497003
8 2 2 4 2.4537 8 2.454082836 -0.454082836
9 11 18 8 11.3041 9 11.30590971 -0.305909707
10 9 9 10 7.5523 10 7.553531183 1.446468817
11 10 17 8 10.8231 11 10.82483371 -0.824833709
12 2 2 5 2.7423 12 2.742735563 -0.742735563

b)   Haga la estimación por intervalo para la respuesta media en el punto anterior.
La estimación para el punto anterior es de 3.51
c)   Construya un intervalo de predicción para una observación futura teniendo x 1 = 8 y x 2 = 7.
El intervalo de predicción seria y = 6.2
d)   Explique las diferencias entre los dos intervalos anteriores.

e)   ¿Las estimaciones anteriores son adecuadas? Argumente con base en la calidad de ajuste del modelo.