Regresion lineal

...

[pic 16]

Por lo que se rechaza H0 y se concluye que existe evidencia de que haya relación entre las variables por ser diferente a 0.

- Pronostica la pérdida cuando el tiempo es de 33 semanas.

Considerando la ecuación de regresión lineal para este ejercicio:

[pic 17]

Donde

- b0 es la pendiente ordenada al origen

- b1 es la pendiente de la línea

Por ende:

[pic 18]

[pic 19]

Donde x = 33

[pic 20]

[pic 21]

Por lo que son 36.51 gramos lo que reducirá el peso del producto en 33 semanas en el almacén.

- Con los conceptos vistos y puestos en práctica, da una respuesta justificada a cada una de las siguientes cuestiones:

- ¿Para qué utilizarías la regresión lineal simple en un problema de tu especialidad?

Mi especialidad, es supervisión en obras, en este caso por el régimen de obras públicas, ahora bien, en algunas ocasiones debemos calcular los desgastes de ciertas piezas y mantenimientos que se realizan, en donde el uso de estas herramientas comprueban la relación de los tipos de insumos usados como aceites, baleros, etc., y su relación en el mantenimiento. Así como para el análisis de datos estadísticos, como invertir en ciertas marcas de maquinaria, que satisfagan al cliente, así como verificar si ese costo elevado en el cambio de una maquinaria, tiene una pendiente positiva y justifique su cambio.

- ¿Qué relación tiene con la correlación?

La correlación dará el ajuste a la tendencia, de los datos dispersos dándonos una idea de la significancia que exista en el modelo estadístico usado y verificar la confiabilidad del mismo.

- ¿Cómo medirías el ajuste del modelo de regresión lineal obtenido?

Como se ha observado en el curso, se usaría en pronósticos a futuro, midiendo valores de satisfacción en base a nuevos servicios. Así podemos verificar si es confiable realizar una inversión o no.

- ¿Qué es el coeficiente de determinación?

Es la operación inversa para encontrar el valor de una hipótesis, asi podemos determinar si rechazarla o aceptarla en base a este valor.

- ¿Por qué crees que se llama regresión lineal?

Debido a que realizas un regreso del modelo estadístico, partiendo desde datos estadísticos y su tendencia, tratando de ajustar lo más posible los nuevos pronósticos a una tendencia lineal, y permite ver los comportamientos de los mismos.

- ¿Cuál es la relación de la prueba de hipótesis con el intervalo de confianza en la regresión?

Son directamente relacionados, ya que para poder probar una hipótesis se requiere de un intervalo de confianza que determinará si se encuentra dentro o fuera del rango de aceptación.

---------------------------------------------------------------

PARTE 2. Realiza lo siguiente:

- En un estudio de variables que afectan la productividad en el negocio de abarrotes al menudeo, W. S. Good usa el valor agregado por hora de trabajo para medir la productividad de tiendas de abarrotes al menudeo. Él define el “valor agregado” como el “excedente [dinero generado por el negocio] disponible para pagar mano de obra, muebles accesorios y equipo”. Los datos de acuerdo con la relación del valor agregado por hora de trabajo Y y el tamaño X de la tienda de abarrotes descrita en el artículo de Good para diez tiendas de abarrotes ficticias se muestran enseguida. Se establecerá un modelo para relacionar Y con X.

[pic 22]

Tabla 2.1.

- Realiza un diagrama de dispersión de los datos para Y contra X.

[pic 23]

Grafica 2.0.

[pic 24]

Imagen 2.0.

- Calcula las rectas de mínimos cuadrados para Y contra X.

[pic 25]

Tabla 2.2.

Considerando la ecuación de regresión lineal para este ejercicio:

[pic 26]

Donde

- b0 es la pendiente ordenada al origen

- b1 es la pendiente de la línea

Por ende:

[pic 27]

[pic 28]

- Obtén una gráfica de residuales contra el valor ajustado de Y, ya sea por medio de Minitab. Observa la gráfica. ¿Qué patrón parecen seguir los datos? Éste es un ejemplo de análisis de residuales. Ver referencia [2].

[pic 29]

Imagen 2.1.

[pic 30]

Imagen 2.2.

[pic 31]

Imagen 2.3.

[pic 32]

Grafica 3.0.

En este caso para este programa tenía poco tiempo de uso, pero creo haber logrado una presentación de los datos ajustados.

---------------------------------------------------------------

- En un experimento con conejos se tomaron en cuenta las siguientes variables:

Y: Proporción del peso final al peso inicial.

X: Gramos diarios de alimento por kg de peso inicial.