Estadística y pronósticos para la toma de decisiones
Enviado por danielagissell • 7 de Mayo de 2017 • Tareas • 525 Palabras (3 Páginas) • 292 Visitas
Nombre: | Matrícula: |
Nombre del curso: Estadística y pronósticos para la toma de decisiones | Nombre del profesor: Ing. Fernando Pérez |
Módulo: 3. Regresión lineal múltiple | Actividad: Actividad 12 |
Fecha: 30 de marzo del 2017 | |
Bibliografía: |
Objetivo del ejercicio:
Obtener e interpretar la ecuación de regresión múltiple.
Descripción del ejercicio:
Con este ejercicio los alumnos aprenderán a obtener e interpretar la ecuación de regresión múltiple por medio de Excel o Minitab.
Requerimientos para el ejercicio:
Calculadora de bolsillo, hoja de cálculo (Excel) o Minitab. Consulta los recursos de apoyo del tema 11 y 12.
Realiza los siguientes ejercicios:
- Se llevó a cabo un conjunto de ensayos experimentales para determinar una forma de predecir el tiempo de cocimiento en minutos (Y) a varios niveles de amplitud del horno, (pies, X1) y temperatura de cocción (grados Celsius, X2). Los datos obtenidos fueron registrados como se muestra a continuación:
Tiempo de | Niveles de amplitud | Temperatura |
Cocimiento | del horno, pies | en grados C |
Y | X1 | X2 |
6.4 | 1.32 | 1.15 |
15.05 | 2.69 | 3.4 |
18.75 | 3.56 | 4.1 |
30.25 | 4.41 | 8.75 |
44.85 | 5.35 | 14.82 |
48.94 | 6.2 | 15.15 |
51.55 | 7.12 | 15.32 |
61.5 | 8.87 | 18.18 |
100.44 | 9.8 | 35.19 |
111.42 | 10.65 | 40.4 |
- Estima la ecuación de regresión múltiple.
- Interpreta los coeficientes individuales de la ecuación de regresión lineal múltiple considerando el contexto del problema.
- Pronostica el tiempo de cocimiento cuando el nivel de amplitud del horno es de 5 pies y la temperatura de cocción es de 20 grados Celsius.
Resumen |
| ||
|
| ||
Estadísticas de la regresión | |||
Coeficiente de correlación múltiple | 0.999862111 | ||
Coeficiente de determinación R^2 | 0.999724241 | ||
R^2 ajustado | 0.999645453 | ||
Error típico | 0.656971152 | ||
Observaciones | 10 | ||
ANÁLISIS DE VARIANZA |
|
|
|
| Grados de libertad | Suma de cuadrados | Promedio de los cuadrados |
Regresión | 2 | 10953.20257 | 5476.601286 |
Residuos | 7 | 3.021277663 | 0.431611095 |
Total | 9 | 10956.22385 |
|
F | Valor crítico de F | ||
12688.7407 | 3.4822E-13 | ||
|
| ||
|
|
| Coeficientes | Error típico | Estadístico t | |
Intercepción | 0.579987895 | 0.606853464 | 0.955729726 | |
Variable X 1 | 2.712237579 | 0.202086444 | 13.42117522 | |
Variable X 2 | 2.049707487 | 0.048081813 | 42.62958013 | |
Probabilidad | Inferior 95% | Superior 95% | Inferior 95.0% | Superior 95.0% |
0.37104183 | -0.854992524 | 2.01496831 | -0.85499252 | 2.01496831 |
2.9903E-06 | 2.234379072 | 3.19009609 | 2.23437907 | 3.19009609 |
1.02E-09 | 1.936012067 | 2.16340291 | 1.93601207 | 2.16340291 |
A | 5.341932961 |
|
| |
B | Por cada pie que aumenta la aplitud | |||
| aumenta x1 el tiempo de cociminto | |||
| y aumenta en 2.0497 |
| ||
|
|
|
| |
| Por cada grado de temperatura (x2) el tiempo de cocimiento | |||
|
|
|
| |
C | si x1=5 y x2=20 |
|
| |
| 55.13532553 |
|
| |
Análisis de los residuales |
|
| ||
|
|
| ||
Observación | Pronóstico para Y | Residuos | ||
1 | 6.517305109 | -0.117305109 | ||
2 | 14.84491244 | 0.205087561 | ||
3 | 18.63935437 | 0.110645626 | ||
4 | 30.47589613 | -0.225896131 | ||
5 | 45.4671239 | -0.617123902 | ||
6 | 48.44892932 | 0.491070685 | ||
7 | 51.29263816 | 0.257361839 | ||
8 | 61.90121734 | -0.401217338 | ||
9 | 99.28912264 | 1.150877359 | ||
10 | 112.2735006 | -0.853500591 | ||
|
|
|
...