Trabajo De Estadistica 746

UNIVERSIDAD NACIONAL ABIERTA

VICERRECTORADO ACADEMICO

AREA DE MATEMATICA

TRABAJO PRÁCTICO

ESTADISTICA APLICADA (746)

INDICE

Introducción…………………………………………………………………………….

Metodología…………………………………………………………………………….

Bases teóricas………………………………………………………………………….

Escogencia del Modelo de Regresión Múltiple …………………………………

Justificacion. …………………………………………………………………………

Discusión, análisis y aplicación del método para el modelo 1…………………….

Detección de la multicolinealidad …………………………………………………

Procedimiento de regresión paso a paso modelo 1 ……………………………

Método de Eliminación hacia atrás ………………………………………………..

Resultados ……………………………………………………………………………

Resultados de la evaluación del modelo 3 ………………………………………

Análisis de residuales modelo 1 …………………………………………………..

Analisis de residuales modelo 3……………………………………………………

Conclusiones……………………………………………………………………………

Bibliografía………………………………………………………………………………

Anexos ………………………………………………………………………………..

02

03

06

09

10

12

15

17

20

21

23

26

27

30

31

32

INTRODUCCION

La regresión lineal múltiple es una técnica que intenta modelar probabilísticamente el valor esperado de una variable Y, a partir de los valores de dos o más reductores.

Dentro de las múltiples aplicaciones del estudio administrativo cabe destacar la presencia del análisis estadístico en el campo del mercadeo inmobiliario, herramienta básica e importante para poder realizar proyecciones del comportamiento del precio de venta del metro cuadrado de inmuebles en un municipio de alta oferta y demanda, del mismo modo como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender la relación de dos o más variables y nos permitirá relacionar mediante ecuaciones, una variable en relación a otras variables llamándose Regresión múltiple.

Los siguientes modelos de regresión lineal múltiple serán los evaluados en este trabajo

Modelo 1:

Y = b0 + b1 X 1 + b 2 X 2 + b3 X 3 + b 4 X 4 + b 6 X 6 +b 7 X 7 + b8 X 8 + b 9 X 9

Modelo 2:

Y = b1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 6 X 6 +b 7 X 7 + b8 X 8 + b9 X 9

Luego de evaluarlos se procederá a considerar cual será el modelo escogido para realizar el estudio.

El análisis de las varianzas de la muestra (ANOVA) permitirá efectuar pruebas para hallar las diferencias entre los valores de las medias poblacionales. Con el análisis de los coeficientes de determinación (R²) se pretende buscar el modelo que mejor explique los valores presentes en la variable dependiente.

METODOLOGIA

Población: Para la realización del presente estudio estadístico, se tomaron los datos resultantes de un estudio de mercadeo ordenado por la empresa inmobiliaria.

VARIABLES DEL ESTUDIO:

Y: Precio de venta del metro cuadrado del inmueble (Bs/1000).

X1: Impuestos municipales y de servicio al año (Bs/1000).

X2: Cantidad de baños.

X3: Tamaño del terreno (m2/100).

X4: Metros cuadrados de construcción (m2/100).

X5: Zona:

(1) Zona 1.

(2) Zona 2.

(3) Zona 3.

(4) Zona 4.

(5) Zona 5.

X6: Cantidad de puestos de estacionamiento.

X7: Cantidad de habitaciones.

X8: Cantidad de áreas sociales.

X9: Edad de la construcción.

X10: Anexo para el personal de servicio.

(0) No.

(1) Si.

Instrumentos / Materiales: Para el correcto análisis y evaluación de cada uno de los Modelos de Regresión Múltiple propuestos en este trabajo, se utilizarán todas las herramientas que nos proporciona la Estadística (análisis de regresión múltiple, error estándar de estimación, pruebas de correlación, entre otros); para apegarnos los más posible a la fidelidad de los resultados se usará el Análisis de Datos, una opción de la aplicación de Microsoft Office llamada Hoja de Cálculo Excel versión 2007.

Procedimiento: Se nos ha proporcionado para este estudio la muestra de una población, igualmente se nos pide evaluar dos modelos de regresión múltiple y determinar cual explica mejor el comportamiento de las variables independientes y su respectiva influencia o grado de explicación de la variable dependiente correspondiente a cada modelo. Se someterá el modelo escogido a una evaluación estadística, mediante el cómputo de: a) El error estándar de estimación; b) El coeficiente de determinación múltiple; c) El coeficiente de determinación corregido; c) Análisis de la varianza (ANOVA), pero antes de aplicar estos procedimientos debemos estudiar la posibilidad de colinealidad o multicolinealidad en dicho modelo y corregirla de existir el problema. Una vez establecidos y discutido los resultados de los modelos objeto de estudio, se tomarán como válidos si los datos muestran menores coeficientes de dispersión, una sólida relación entre las variables independientes y la variable dependiente, guardando un grado significativo de explicación de la variable dependiente.

BASES TEORICAS

REGRESION MULTIPLE

Se define como un procedimiento mediante el cual se trata de determinar si existe o no relación de dependencia entre dos o más variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar los valores, de una o más variables dependientes. Este

...