Nombre del curso: Estadística y pronóstico para la toma de decisiones..
Enviado por Lesslye Sosa • 4 de Mayo de 2016 • Monografía • 1.142 Palabras (5 Páginas) • 344 Visitas
Nombre: Lesslye Lizeth Sosa Castillo | Matrícula: 2692957 |
Nombre del curso: Estadística y pronóstico para la toma de decisiones. | Nombre del profesor: Fernando Pérez |
Módulo: 3. Regresión lineal múltiple | Actividad: Ejercicio 13 |
Fecha: 20/04/2016 | |
Bibliografía: Hanke. J. E. y Wichern. D. W. (2010). Pronósticos en los negocios (9ª ed.).México: Pearson. ISBN: 9786074427004 |
Desarrollo de la práctica:
Realizar los siguientes ejercicios empleando un software estadístico o Excel. En tus resultados debes presentar evidencia de los análisis estadísticos realizados. Los problemas se pueden realizar en pareja o de manera individual.
- La energía eléctrica consumida (Y) cada mes por una planta química se considera relacionada con la temperatura ambiente promedio, grados Fahrenheit (X1), número de días al mes (X2), la pureza promedio del producto, en porciento (X3) y las toneladas obtenidas del producto (X4). Se dispone de los datos históricos del año anterior. Haz clic aquí para revisarlos.
- Estima e interpreta los coeficientes de la ecuación de regresión lineal múltiple.
| Temperatura en | Días | Porcentaje de | Toneladas |
Y | grados Fahrenheit, | X2 | Pureza X3 | de producto |
| X1 |
|
| X4 |
240 | 25 | 24 | 91 | 100 |
236 | 31 | 21 | 90 | 95 |
290 | 45 | 24 | 88 | 110 |
274 | 60 | 25 | 87 | 88 |
301 | 65 | 25 | 91 | 94 |
316 | 72 | 26 | 94 | 99 |
300 | 80 | 25 | 87 | 97 |
296 | 84 | 25 | 86 | 96 |
267 | 75 | 24 | 88 | 110 |
276 | 60 | 25 | 91 | 105 |
288 | 50 | 25 | 90 | 100 |
261 | 38 | 23 | 89 | 98 |
- Interpreta los coeficientes de regresión en el contexto del problema.
Resumen | ||||||||
Estadísticas de la regresión | ||||||||
Coeficiente de correlación múltiple | 0.86298887 | |||||||
Coeficiente de determinación R^2 | 0.74474978 | |||||||
R^2 ajustado | 0.59889252 | |||||||
Error típico | 15.5793327 | |||||||
Observaciones | 12 | |||||||
ANÁLISIS DE VARIANZA | ||||||||
| Grados de libertad | Suma de cuadrados | Promedio de los cuadrados | F | Valor crítico de F | |||
Regresión | 4 | 4957.24074 | 1239.31019 | 5.10601768 | 0.03030277 | |||
Residuos | 7 | 1699.00926 | 242.715608 | |||||
Total | 11 | 6656.25 |
|
|
| |||
| Coeficientes | Error típico | Estadístico t | Probabilidad | Inferior 95% | Superior 95% | Inferior 95.0% | Superior 95.0% |
Intercepción | -102.713236 | 207.858851 | -0.49414897 | 0.63632864 | -594.221316 | 388.7948433 | -594.2213161 | 388.794843 |
Variable X 1 | 0.60537054 | 0.36889695 | 1.64102883 | 0.14479662 | -0.26693215 | 1.47767322 | -0.266932145 | 1.47767322 |
Variable X 2 | 8.9236442 | 5.30052224 | 1.68354056 | 0.13614567 | -3.61009923 | 21.45738763 | -3.610099233 | 21.4573876 |
Variable X 3 | 1.43745673 | 2.39162051 | 0.60103881 | 0.56675924 | -4.21782712 | 7.092740587 | -4.21782712 | 7.09274059 |
Variable X 4 | 0.01360931 | 0.73382144 | 0.0185458 | 0.98572098 | -1.72160267 | 1.748821289 | -1.721602674 | 1.74882129 |
...