|  Título de la práctica: REGRESION LINIAL SIMPLE Y NO LINEAL | 
| Asignatura: ESTADISTICA II | 
| Unidad temática: REGRESION LINEAL SIMPLE Y MULTIPLE | Fecha: 11/sep/15 | 
| No. de participantes recomendados: INDIVIDUAL  | Elaboró: Diego Alexis Flores Guzman. | 
| Duración:  | Lugar:         09B | Revisó: José Emilio Guillermo Ortega Balbuena | 
| 
 | 
 | 
| Objetivo de la práctica:  | 
| Investigar y documentar  un caso práctico ya sea de la industria o el comercio y realizar una regresión lineal o una regresión no lineal según sea el caso de estudio. | 
| Introducción: | 
| La práctica  introduce al estudiante al análisis de las relaciones entre variables, la aplicación de la teoría de mínimos cuadrados y el modelo matemático resultante del caso de estudio y sus límites de validez. | 
| Fundamentación Teórica:  | 
| Relaciones entre variables, la aplicación de la teoría de mínimos cuadrados y el modelo matemático así como la regresión no lineal. | 
| Descripción de la práctica:  | 
| El alumno deberá investigar y documentar  un caso práctico ya sea de la industria o el comercio y realizar una regresión lineal o regresión no lineal según sea el caso, utilizando Excel como software de solución.  | 
| Material:  | 
| Computadora que posea ExcelDatos obtenidos de una fuente real (proceso de producción, ventas de algún producto, etc.), los cuales deberán ser cuando menos de 10 datos (ver ejemplo 1)
 | 
| Requisitos:  | 
| Registrar el lugar donde se recolectara la información con el catedrático.Observar las reglas de seguridad del lugar donde se recolectara la información. Determine un punto a predecir.
 | 
| Procedimiento:  | 
| Establecer que se va a medir,  consultarlo y registrar su práctica con su Catedrático.Establecer variable dependiente (y)  y variable independiente (x).Recabar la información cuando menos diez datos.Con los datos recabados formar una tabla en una hoja de Excel.
 Como se muestra en la tabla siguiente: | Observación     (x) | Cantidad vendida     (y) |  | 1 | 20 |  | 2 | 20 |  | 3 | 24 |  | 4 | 23 |  | 5 | 23 |  | 6 | 27 |  | 7 | 25 |  | 8 | 26 |  | 9 | 27 |  | 10 | 39 |  | 11 | 32 |  | 12 | 37 |  | 13 | 39 |  | 14 | 45 |  | 15 | 43 |  | 16 | 45 |  | 17 | 46 |  | 18 | 47 |  | 19 | 52 |  | 20 | 53 | 
 
 Determine que confiabilidad utilizara:
 
  1-α =0.95 
 Establezca el valor de la variable independiente, del pronóstico a encontrar.
 
 x= 25 
 Grafique los datos de  y, utilizando las gráficas de dispersión de Excel.
 
 [pic 1] 
 Observando la gráfica determine que comportamiento tiene:
 
 Iniciando el análisis partiendo del supuesto que es lineal, encuentre la línea de regresión, Formule la hipótesis correspondiente (Ho  β1=0) y la Hipótesis alternativa (Ho  β1≠0).
               
 Calcule los valores de β0  y β1   (utilice las fórmulas que se vieron en clase, ver formulario)
 
 |  | Solución de ecuaciones | 
 | 
 |  |  |  |  |  |  |  | Resultado  | b0 | b1 |  | 
 | 693 | 20 | 210 |  | 
 | 8491 | 210 | 2870 |  | 
 | 
 |  |  |  |  |  |  |  |  |  | Primera Iteración |  | 
 | 34.6 | 1 | 10.5 |  | 
 | 1214.5 | 0 | 665 |  | 
 | 
 |  |  |  |  | Segunda Iteración |  | b0 | 15.47368421 | 1 | 0 |  | b1 | 1.826315789 | 0 | 1 |  | 
 | 
 |  |  | 
 Con estos valores, calcule SST, SSE, y SSR (utilice las fórmulas que se vieron en clase, ver formulario).
 =suma((y-yp)2)           =suma((y-ym)2)       =suma((yp-ym)2) | 134.4894737 | 2352.55 |                 2218.060526 |  | SSE | SST | 
 |  | 
 =SSE/SST | 
 | 
 |  | SSR | 2218.060526 | 
 
 | 
 Calcule el valor del coeficiente de determinación. (R2)
            =SSR/SST        Con los valores anteriores construya una tabla ANOVA y pruebe la Hipótesis. Como se ve en la tabla.
 
 | ANOVA |   |   |   |  | fuente de variación | Suma de Cuadrados (SS) | Grados de libertad  (GL) | Varianza  (MS) | F calculada | Area a comparar | F de alfa | Decisión |  | Regresión | 2218.060526 | 1 | 2218.060526 | 296.8640473 | 1.24192E-12 | 4.413873419 | rechaza h0 |  | Error | 134.4894737 | 18 | 7.471637427 | 
 |   | 
 | rechaza h0 |  | Total | 2352.55 | 19 | 
 | 
 |  |  |  | 
 Como se rechazó Ho por lo que podemos generar el intervalo de predicción para la x determinada anteriormente:
                  
 | Límite Inferior | Valor Medio | Límite Superior |  | 54.42 | 61.13 | 67.84 | 
 
 
 En el caso que se acepte Ho intente con regresión no lineal iniciando con la cuadrática y repita los pasos 9 en adelante, haciendo los ajustes a la regresión correspondiente, así hasta que rechace Ho, en el caso que llegue a regresión cubica, y no rechace Ho consulte estos resultados con su catedrático.
 | 
| Cuestionario:  | 
| ¿Qué forma tiene la gráfica que obtuviste?  lineal [pic 2] ¿Cuál fue el valor que obtuviste del coeficiente de determinación, qué significado tiene para usted?    Esto quiere decir que el 94% de la variación en (y) puede ser explicada por la viariable (x). 
 ¿Cuáles fueron los resultados que obtuviste del análisis de varianza (ANOVA)?  | ANÁLISIS DE VARIANZA |   |   |   |   |   |  |   | Grados de libertad | Suma de cuadrados | Promedio de los cuadrados | F | Valor crítico de F |  | Regresión | 1 | 2218.060526 | 2218.060526 | 296.8640473 | 1.24192E-12 |  | Residuos | 18 | 134.4894737 | 7.471637427 | 
 | 
 |  | Total | 19 | 2352.55 |   |   |   | 
 
 ¿Cuál es el intervalo de predicción?   | 
 | Límite Inferior | Valor Medio | Límite Superior |  | 
 | 54.42 | 61.13 | 67.84 | 
 
 INTERVALO DE PREDICCION | 
 | Límite Inferior | Valor Medio | Límite Superior |  | 
 | 57.66 | 61.13 | 64.61 | 
 
 INTERVALO DE PRONOSTICO | 
| Bibliografía  | 
| Walpole, Ronald E.; Raymond H. Meyers; Sharon L. Meyers y Keying Y. Probabilidad y Estadística para Ingenieros y ciencias, octava edición, Pearson Educación, México 2007, cap. 11, pág. 339, cap. 12 pág. 445. Probabilidad y estadística para ciencias e ingenierías. Rosario Delgado de la Torre.      Editorial  2008. |