El motor de un cohete se fabrica al unir dos tipos de propulsores
Enviado por Sara • 23 de Noviembre de 2018 • 822 Palabras (4 Páginas) • 409 Visitas
...
- Dibuje un diagrama de dispersión de los datos ¿Parece plausible utilizar como modelo de regresión una línea recta?
[pic 1]
Comentario: Los puntos en el diagrama realizado parecen tener una asociasion negativa, indicaría esto que a medida que aumente la resistencia el tiempo disminuye.
- Encuentre las estimaciones de mínimos cuadrados para la pendiente y la ordenada al origen del modelo de regresión lineal simple.
- X=edad por semanas
- Y=resistencia
- N=20
Promedio x = 13.34
Promedioy= 2123.9
- Sxx =4672.4375-20(13.34)2 =1114.66
- Syy=92417385.86 – 20(2129.91)2= 1687266.69
- Sxy=527069.89-20(13.34)(2129.31) = -41082.94
- B0=Y-B1X = 2621.49[pic 2]
- B1=Sxy /Sx =-36.89 → “pendiente”
- SSE=Syy-B1*Sxy → 173075.1380
- MSE=SSE/(n-2) → 9615.2854
- Estime σ2 y los errores estándar de β0 y β1 de los regresores del modelo lineal.
- Pruebe la hipótesis de Ho : β1 = 0 contra H1 : β1 ≠ 0 , utilizando el procedimiento del análisis de la varianza con α = 0.05.
'Si b1=0, ó r=0, entonces la variación de X no explica la variación de Y o no hay regresión lineal entre X y Y
Si a = 0.05 → a/2= 0.025
La región de rechazo es: | t0 |>ta/2 2.1009
- Prueba de Hipótesis sobre b1: El estadístico de prueba tiene distribución T-Student con n-2 grados de libertad. [pic 3]
= -12.5490[pic 4]
Por lo tanto:
No hay evidencia para rechazar Ho
- Determine el coeficiente de determinación del modelo. ( R2).
'Coeficiente de determinacion
[pic 5] 90
Por lo tanto el 90% de la variación de Resistencia (en psi) está explicada por la asociación con la Edad por semanas por el modelo de regresión.
- Obtenga los valores ajustados ŷi que corresponden a cada valor observado yi. Haga una grafico de ŷ contra yi y haga un comentario sobre la forma que tendría esta grafica si la relación lineal entre la resistencia al esfuerzo y la edad fuese perfectamente determinista (sin error). ¿La grafica indica que la edad es un regresor razonable para el modelo.
X
Y
Yest
Ei
15.5
2158.7
2050.20
108.50
23.75
1678.15
1746.13
-67.98
8
2316
2326.63
-10.63
17
2061.3
1994.92
66.38
5
2207.5
2437.20
-229.70
19
1708.3
1921.21
-212.91
24
1784.7
1736.92
47.78
2.5
2575
2529.34
45.66
7.5
2357.9
2345.06
12.84
11
2227.7
2216.06
11.64
13
2165.2
2142.35
22.85
3.75
2399.55
2483.27
-83.72
25
1779.8
1700.06
79.74
9.75
2336.75
2262.13
74.62
22
1765.3
1810.63
-45.33
18
2053.5
1958.06
95.44
6
2414.4
2400.35
14.05
12.5
2200.5
2160.78
...