Trabajo ecuación de regresión

AT215

Nombre:                                                                        NRC: 3457

Código :                                                                         Fecha: 19/02/2018

Pregunta 1: Consumer Reports realizó una prueba de sabor sobre 19 marcas de chocolates empacados (archivo Chocolate1). En los datos siguientes se proporciona el precio (Price) por porción con base en el tamaño de porción de la FDA que es de 1.4 onzas, así como una evaluación (Rating) de la calidad de los 19 chocolates, con su respectivo fabricante (Manufacturer), considerados para la prueba. Los niveles de calificación son: Excellent (excelente), Very Good (muy bueno), Good (bueno) y Fair (regular). (Consumer Reports, febrero de 2002).

Suponga que desea determinar si los productos más caros tienen la calificación más alta en calidad. Para los propósitos de este ejercicio, use la siguiente variable binaria dependiente.

y = 1 si la evaluación de la calidad fue excelente o muy buena, y = 0 si fue buena o regular.

1. Escriba la ecuación de regresión logística que relaciona  x = precio por porción con y.  

1. De una estimación de la probabilidad de que la evaluación de un chocolate cuyo precio por porción es de $4.00 sea muy bueno o excelente.  

1. ¿Cuál la estimación del cociente de posibilidades? ¿Cuál es su interpretación?  

Pregunta 2: Considere los siguientes datos para dos variables, x y y. 

1. ¿ Parece haber una relación lineal entre x e y? Explique (Inserte el diagrama de dispersión)

1. Escriba la ecuación de regresión estimada que relaciona x e y.  

1. Trace la gráfica de residuales estandarizados contra   para la ecuación de regresión estimada desarrollada en el inciso b). ¿Los supuestos del modelo parecen satisfacerse? Explique.  [pic 1]

1. Realice una transformación logarítmica de la variable dependiente y.

Escriba una ecuación de regresión estimada utilizando la variable dependiente transformada.

¿Los supuestos del modelo parecen satisfacerse al utilizar la variable dependiente transformada?

¿Funciona mejor la transformación recíproca en este caso? Explique.  

Pregunta 3: En un análisis de regresión con 30 observaciones se obtuvo la siguiente ecuación de regresión estimada.

[pic 2]

Para esta ecuación de regresión estimada, STC =805 y SCR = 760.

1. Con α =0.05, pruebe la significancia global de la relación entre las variables.  

Suponga que las variables x1 y x4 se retiran del modelo y se obtiene la siguiente ecuación de regresión estimada.  

 [pic 3]

Para este modelo, STC = 805 y SCR = 705.  

1. Calcule SCE (x1, x2, x3, x4) =

1.  Calcule SCE (x2, x3) =

1. Utilice la prueba F y 0.05 como nivel de significancia para determinar si x1 y x4 contribuyen significativamente al modelo.  

Pregunta 4: Consumer Reports probó 19 marcas y modelos (Make and Model) de bicicletas de ruta, fitness y de confort. Las de ruta están diseñadas para viajes largos por caminos (Road); las fitness para realizar ejercicios o viajes diarios al trabajo, y las de confort (Comfort) para viajes de placer en caminos generalmente planos. Los datos siguientes muestran el tipo (Type), peso (Weight), en libras y el precio (Price, $) para las 19 bicicletas probadas (sitio web de Consumer Reports, febrero de 2009). Archivo : Bikes1

1. Desarrolle un diagrama de dispersión con el peso (Weight) como variable independientes, y el precio (Price) como variable dependiente. ¿El modelo de regresión lineal simple parece apropiado? Explique 

1. Desarrolle una ecuación de regresión estimada múltiple con x = peso y x2 como las dos variables independientes.  

1. Utilice las siguientes variables ficticias para desarrollar una ecuación de regresión estimada a efecto de predecir el precio con base en el tipo de bicicleta: Type_fitness = 1 si es de fitness, 0 en caso contrario; y Type_Comfort = 1 si la bicicleta es de confort, 0 en caso contrario. Compare los resultados con los obtenidos en el inciso b).  

1. Tomando en cuenta la posible interacción entre el tipo de bicicleta y su peso, desarrolle una nueva ecuación de regresión estimada para predecir el precio de la bicicleta dado el tipo, el peso y cualquier interacción entre el peso y cada una de las variables ficticias definidas en el inciso c). ¿Qué ecuación parece ser el mejor predictor del precio? Explique.

Pregunta 5: Un estudio proporcionó datos de las variables que pueden estar relacionadas con el número de semanas en que un trabajador de manufactura ha estado desempleado. La variable dependiente del estudio (semanas) se define como el número de éstas en que un trabajador ha estado sin empleo debido a un despido. Las siguientes variables independientes se utilizaron en el análisis.

• Age (edad)  Edad del trabajador
• Educ (educación) Número de años de estudio
• Married (casado) Una variable ficticia; 1 si está casado, 0 si no es el caso
• Head (cabeza) Una variable ficticia; 1 si es cabeza de familia, 0 si no es el caso
• Tenure (ocupación)   Número de años en el trabajo anterior
• Manager (gerente) Una variable ficticia; 1 si la ocupación es gerente, 0 si no es el caso
• Sales (ventas) Una variable ficticia; 1 si la ocupación es en ventas, 0 si no es el caso

Los datos están disponibles en el archivo llamado Layoffs1. 

1. Desarrolle la mejor ecuación de regresión estimada con una variable.  

1. Utilice el procedimiento por pasos para desarrollar la mejor ecuación de regresión estimada. Utilice los valores de 0.05 para Alpha to enter y Alpha to remove.

1. Con el procedimiento de selección hacia adelante desarrolle la mejor ecuación de regresión estimada. Utilice el valor de 0.05 para Alpha to enter.

1. Con el procedimiento de eliminación hacia atrás desarrolle la mejor ecuación de regresión estimada. Utilice el valor de 0.05 para Alpha to remove.  

1. Utilice el procedimiento de regresión de los mejores subconjuntos para obtener la mejor ecuación de regresión estimada.  

Pregunta 1:

1. [pic 4]

[pic 5]

[pic 6]

        Se puede decir que a una estimación de $4 la probabilidad de que sea muy bueno o bueno es de 87%

...