ii.
¿Qué clase de relación crees que existe entre estas dos
variables?
iii.
Calcula la recta de regresión de mínimos cuadrados.
iv.
Prueba la significancia de la recta de regresión con un nivel
de significancia α = 0.01.
v.
¿Es significativa esta regresión? Explica. Concluye en el
contexto del problema. Realiza todas las etapas de una prueba de
hipótesis.
vi.
Pronostica los metros de construcción cuando los metros
de terreno son de 90, 100 y 150 metros.
vii.
Calcula el coeficiente de correlación.
viii.
Determina e interpreta el coeficiente de determinación en
el contexto del problema.
ix.
Realiza un breve resumen de los hallazgos.
4.
Revisa la siguiente información tomada de la sección de avisos de
ocasión.
Precio
(miles de
pesos)
Y
Metros
de
terreno X
1
Metros de
construcción X
2
Número de
recámaras X
3
2700
288
378
4
1895
160
252
4
1397
230
252
4
1795
234
167
2
650
72
124
4
850
128
262
4
Profesional
Reporte
3875
188
246
4
4300
390
380
3
11850
885
775
4
11900
885
775
3
3250
150
233
3
6700
406
420
3
5499
320
390
4
4250
170
244
4
4250
170
233
3
470
160
127
3
500
90
73
2
550
91
73
2
650
110
90
2
550
90
74
2
620
172
76
2
1700
189
374
4
2330
300
330
4
1600
136
140
3
1100
144
290
3
Información obtenida de: solo para fines educativos.
ESTADISTICAS DE LA
REGRESION
Coeficiente de
0.9396257
Coeficiente de
0.8828965
R^2 AJUSTADO
0.8661674
Observaciones
25
ANALISIS DE VARIANZA
GRADOS DE LIBERTAD
SUMA
grados de
libertad
suma de
cuadrados
Promedio de
los
cuadrados
F
valor critico
de f
Regresión
3
213782653
71260884.34
52.7761646
5.94E-10
Residuos
21
2855197.53
1350247.501
Total
24
242137850.6
Fuente
gl
SS
MS
F
Regresión
K
SSR
MSR=SSR/k
MSR/MSE
Residuo o error
n-(k+1)
SSE
MSE=SSE(n-(k+1)
Total
n-1
SS TOTAL
Profesional
Reporte
Suma de cuadrados total = SS total = (Y-Y)2
Suma de cuadrados de la regresión= SSR – (Y-Y)2
Suma de cuadrados del error o residuos=SSE= (Y-Y)2
coeficientes
error típico
estadístico t
probabilidad
inferior 95%
superior 95%
Intercepción
-602.568962
1152.57358
-0.522803032
0.60658383
-2999.4793
1794.339
X1
9.14198458
4.18496603
2.184482386
0.04040805
0.43887132
17.8450978
X2
5.93445053
5.216922985
1.137538459
0.26812631
-4.91473469
16.7836358
X3
-77.8102838
445.2393506
-0.174760572
0.86294171
-1003.7362
848.115631
Utiliza Excel o cualquier otro paquete estadístico como Minitab para realizar lo
siguiente:
a.
Estima el modelo de regresión múltiple e interpreta los coeficientes de la
ecuación de regresión lineal múltiple.
