0% encontró este documento útil (0 votos)
5 vistas6 páginas

Análisis de Regresión Lineal Múltiple

El documento presenta un análisis de regresión lineal múltiple (RLM) con dos variables independientes, X1 y X2, y una variable dependiente Y. Se calculan diversas matrices, incluyendo la transpuesta, el producto de matrices, la inversa y la matriz de varianza-covarianza, además de estimar parámetros y varianza. Los resultados indican que las variables X1 y X2 tienen un efecto significativo en Y, mientras que el intercepto no es significativamente diferente de cero.

Cargado por

232t0043
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como XLSX, PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
5 vistas6 páginas

Análisis de Regresión Lineal Múltiple

El documento presenta un análisis de regresión lineal múltiple (RLM) con dos variables independientes, X1 y X2, y una variable dependiente Y. Se calculan diversas matrices, incluyendo la transpuesta, el producto de matrices, la inversa y la matriz de varianza-covarianza, además de estimar parámetros y varianza. Los resultados indican que las variables X1 y X2 tienen un efecto significativo en Y, mientras que el intercepto no es significativamente diferente de cero.

Cargado por

232t0043
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como XLSX, PDF, TXT o lee en línea desde Scribd

y 6.

4 x 1
tiempo de
coccion 15.05 1
18.75 1
30.25 1
44.85 1
48.94 1
51.55 1
61.5 1
100.44 1
111.42 1

HALLAR LA TRANSPUESTA DE X(XT)


XT 1 1 1 1
1.32 2.69 3.56 4.41
1.15 3.4 4.1 8.75

HALLAR LA MATRIZ DEL PRODUCTO XT*X


XTX 10 59.97 156.46
59.97 446.9965 1282.5215
156.46 1282.5215 3991.1208

HALLAR LA INVERSA DE LA MATRIZ XT*X


(XT*x)-1 #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME?
#NAME? #NAME? #NAME?

HALLAR EL PRODUCTO DE LA XT*T


XT*Y 489.15
3875.9365
11749.8781

HALLAR LOS PARAMETROS DE LA RLM(B)


B= #NAME? 0.58
#NAME? 2.71
#NAME? 2.05

Y=

𝑌 ̂ 𝑌−𝑌 ̂
ESTIMAR LA VARIANZA
Y X1 X2
6.4 1.32 1.15 #NAME? #NAME?
15.05 2.69 3.4 #NAME? #NAME?
18.75 3.56 4.1 #NAME? #NAME?
30.25 4.41 8.75 #NAME? #NAME?
44.85 5.35 14.82 #NAME? #NAME?
48.94 6.2 15.15 #NAME? #NAME?
51.55 7.12 15.32 #NAME? #NAME?
61.5 8.87 18.18 #NAME? #NAME?
100.44 9.8 35.19 #NAME? #NAME?
111.42 10.65 40.4 #NAME? #NAME?
489.150000000004 #NAME?

SCE= 3.0212776633 N= 10
K= 2

VARIANZA error estandar


S2 0.4316110948 S= 0.656971152154139

HALLAR LA MATRIZ VARIANZA COVARIANZA

#NAME? #NAME? #NAME?


VARIANZA-COVARIANZA(B) #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME?

varianza error estandar


S2B0 0.3682711269 SB0 0.60685346408
S2B1 0.040838931 SB1 0.20208644441
S2B2 0.0023118607 SB2 0.04808181269

HALLAR IC DE 95% DE LOS COEFICIENTES


SIMBOLOGIA NO. CONTROL COEFICIENTESERROR TIPICO ESTADISTICO T
B0 INTERCICION 0.579987895 0.606853464077722 0.95572972551
B1 VARIABLE X1 #NAME? 0.202086444409536 #NAME?
B2 VARIABLE X2 #NAME? 0.0480818126939199 #NAME?

𝛽 ̂_𝑖±𝑡_(∝/2,𝑛−𝑘−1)∗𝑠_(𝛽_𝑖 )

t = 2.365 2.36462425159279

ICI PARAMETRO ICS


-0.85522055 B0 2.015196337 2.01496831296866
#NAME? B1 #NAME? #NAME?
#NAME? B2 #NAME? #NAME?

INTERPRETACION

B1 y B2 son significativos y tienen un efecto positivo en Y. Mientras que B0 no es


significativamente diferente de 0, esto sugiere que, cuando las variables
independientes X1, X2 son cero, el valor esperado de la variable dependeinte Y
podria no ser significativamente distinto de cero
SUMA DE CUADRADOS
FUENTE CUADRADOS GL MEDIOS F
REGRESION 10953.202572 2 5476.60128616828 12688.7407498
ERROR 3.0212776633 7 0.431611094762737
TOTAL 10956.22385 9 1217.35820555554

scr 10953.202572
sce 3.0212776633
fc 12688.74075

prueba de hipotesis

hipotesis nula
H0:B1=B2=0(NINGUNA DE LAS VARIABLES INDEPENDIENTES(X) TIENE EFECTO SIGNIFICATICO SOBRE

HIPOTESIS ALTERNATIVA
H1:Bi≠0 ( AL MENOS UNA DE LAS VARIABLES INDEPENTIENDES(X) TIENE EFECTO SIGNIFIATIVO SOBRE

F0.05,2,7 = 4.74

12688.7407 > 4.74


POR LO TANTO SE RECHAZA H0

11, HALLAR EL COEFICIENTE DE DETERMINACION

R2 0.999724241
R2 99.97%

R 0.999862111

R2 AJUSTADA0.0003545473
1.32 1.15 6.4 1.32 1.15

2.69 3.4 15.05 2.69 3.4


3.56 4.1 18.75 3.56 4.1
4.41 8.75 30.25 4.41 8.75
5.35 14.82 44.85 5.35 14.82
6.2 15.15 48.94 6.2 15.15
7.12 15.32 51.55 7.12 15.32
8.87 18.18 61.5 8.87 18.18
9.8 35.19 100.44 9.8 35.19
10.65 40.4 111.42 10.65 40.4

1 1 1 1 1 1
5.35 6.2 7.12 8.87 9.8 10.65
14.82 15.15 15.32 18.18 35.19 40.4

0.013760489
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?
#NAME?

MUESTRA O OBSERVACIONES
NUMERO DE VARIABLES INDEPENDIENTES

𝑡_𝑖=(𝛽_𝑖 ) ̂/(𝑠(𝛽 ̂_𝑖))
ESTADISTICO T

ras que B0 no es
as variables
e dependeinte Y
y promedio y estimada
48.915 6.51730510947 -42.3976949 1797.56453
14.844912439 -34.0700876 1160.77087
18.6393543739 -30.2756456 916.614718
30.4758961311 -18.4391039 340.000551
45.4671239019 -3.4478761 11.8878496
48.448929315 -0.46607068 0.21722188
51.2926381608 2.37763816 5.65316322
61.9012173376 12.9862173 168.641841
99.2891226407 50.3741226 2537.55223
112.273500591 63.3585006 4014.2996
10953.2026

FECTO SIGNIFICATICO SOBRE LA VARIABLE DEPENDIENTE (Y))

EFECTO SIGNIFIATIVO SOBRE LA VARIABLE DEPENDIENTE (Y))

También podría gustarte