OBJETIVO: Dar una solución al problema utilizando técnicas de estadística

OBJETIVO: Dar una solución al problema utilizando técnicas de estadística

PROCEDIMIENTO:

1. Leer la evidencia #3
2. Comprende y analizar cada punto
3. Y por ultimo redactar una conclusión.

Organícense en equipos de trabajo de 2 a 3 integrantes y resuelvan lo que se les pide. Al finalizar tu ejercicio debes presentar tus conclusiones a todo el grupo y justificar tu análisis estadístico aplicado.

1. Revisa la siguiente información tomada de la sección de avisos de ocasión.

[pic 2]

1. Utiliza Excel o cualquier otro paquete estadístico como Minitab para realizar lo siguiente:

1. Estima el modelo de regresión múltiple e interpreta los coeficientes de la ecuación de regresión lineal múltiple.

[pic 3]

La ecuación de regresión lineal múltiple es: [pic 4]

• La intercepción ocurre en el punto 602.5689, en el caso hipotético de que todas las variables independientes tuvieran valores nulos.
• Por cada aumento en los metros del terreno, el precio se ve incrementado en 9.1419.
• Cada vez que aumentan los metros de construcción, la variable independiente se ve aumentada en 5.9344.
• Por cada incremento en el número de recámaras, el precio se ve disminuido en -77.8102.

1. Prueba la significancia global del modelo de regresión múltiple; realiza todas las etapas de una prueba de hipótesis.

El valor de F calculada es 52.7761, mientras que el valor de F tabulada es 3.07. Por lo tanto, debido a que el valor de F calculada es mayor que el de F tabulada, se rechaza la hipótesis nula, lo que significa que al menos una de las variables independientes afecta a la variable dependiente.

1. Pronostica el precio para los siguientes datos.

[pic 5]

1. Prueba la significancia de los coeficientes de regresión individuales. Realiza todas las etapas de una prueba de hipótesis para cada uno de los coeficientes.

• Para el caso de la variable “Metros de Terreno”, se rechaza la hipótesis nula (H0) dado que el valor de Tcalculada es mayor que Ttabulada para todas las variables. Lo cual significa que esta variable sí afecta a la variable independiente Y.
• Para el caso de las variables “metros de construcción” y “número de recámaras”, se acepta la hipótesis nula (H0) dado que el valor de Tcalculada es menor que Ttabulada para ambas variables. Lo cual significa que ninguna de estas variables afecta a la variable independiente Y.

1. Calcula el error estándar de estimación.

Es 1162.0015.

1. Construye un intervalo de confianza para las pendientes de la población (β1, β2 y β3).

[pic 6]

1. Calcula e interpreta R2 en el contexto del problema.

R2 tiene un valor de 88.28%, esto es la variación porcentual de lasvariables X conforme a Y.

1. Calcula R2ajustada.

 0.866167

1. Determina el Factor de Inflación de Varianza (VIF) para cada variable explicativa en el modelo. ¿Existe alguna razón para sospechar que existe multicolinealidad?

Un factor de inflación mayor a 1, nos indica que el coeficiente estimado es inestable, su valor y la T calculada de las variables pueden variar considerablemente al agregarse o eliminarse más variables independientes a la ecuación de las pendientes. [pic 7]

CONCLUSION:

Con esta actividad nos dimos cuenta, todos los conocimientos que adquirimos a larga del curso y fue muy útil para todos nosotros.

...