Estadistica1

Solo disponible en BuenasTareas
  • Páginas : 6 (1372 palabras )
  • Descarga(s) : 0
  • Publicado : 25 de marzo de 2011
Leer documento completo
Vista previa del texto
ANÁLISIS DE DATOS

1. Establezca la ecuación de regresión y determine cual es la variable dependiente y cual es la variable independiente

Y = a + bX

a = -48.110
b = 2.332

Por lo tanto,

Y = -48.110 + 2.332X (1)

(1) Ecuación de regresión de Y en X.

La variable dependiente está representada por Y, es decir los precios de las casas expresadas en millones de pesos.
La variableindependiente está representada por X, o lo que es lo mismo, los ingresos familiares característicos en millones de pesos.
Esto se explica claramente, porque en la relación existente entre ambas variables, el precio de las casas depende del valor que tomen los ingresos familiares característicos y no al contrario.

2. Interprete el significado del intercepto a y de la pendiente b

b = Elvalor de b: 2.332 (La pendiente de la recta de regresión lineal), indica el aumento en promedio del precio de las casas, por cada unidad en que aumenta los ingresos familiares característicos, es la proporción en que cambian los precios de las casas, frente a un cambio en el ingreso de las familias.

a = El valor de a: -48.110 puede ser explicado como: el valor obtenido en promedio para el precio delas casas cuando los ingresos familiares característicos son iguales a cero.

3. Prediga el valor de la casa que corresponde a una ciudad que tiene ingresos familiares característicos de 98 millones de pesos.

Si X= 98

Y = -48.110 + 2.332 (98)
Y= 180.426

4. Determine el coeficiente de determinación r**2 e interprete su significado y determine también el coeficiente de correlación paraeste problema.

R2 = SCE / SCT
R2 = 9.355,72 / 11.373,09
R2 = 0.8226
R/. Aproximadamente el 82% de las variaciones en precios de las casas en millones de pesos son mostrados por el modelo, el 82% las variaciones que ocurren en el precio de las casas, se explicarían por las variaciones en la variable ingresos familiares característicos.

Coeficiente de correlación = Mxy /6x6y

Coeficientede correlación lineal = 0,90698345

5. Que tan útil seria este modelo de regresión para predecir el valor de una casa con base en los ingresos familiares característicos de una ciudad?

Según los resultados del punto anterior, puede evidenciarse que el 82% de los precios de las casas en millones de pesos con base a los ingresos familiares característicos de una ciudad son mostrados por elmodelo, hecho por el cual puede asegurarse que el modelo es muy útil, en un 82% para predecir el valor de la casa con respecto a los ingresos familiares.

MARCO TEÓRICO

Para introducir los objetivos del análisis particular de un caso es necesario contextualizar de cierta manera el ámbito en el cuál se desarrolla el estudio y cuáles son sus objetivos específicos, para el logro de este cometido sedará explicación a continuación del proceso y los objetivos de los estudios de regresión y de la recta de regresión específicamente que son los que interesan en nuestro estudio.

ESTUDIOS DE REGRESIÓN Y RECTA DE REGRESIÓN LINEAL

La definición más precisa de los estudios de regresión se extiende a unas cuantas líneas: “En estadística la regresión lineal o ajuste lineal es un método matemáticoque modeliza la relación entre una variable dependiente Y, las variables independientes Xi “

Si se sabe que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia profesional de los trabajadores y sus respectivos sueldos, las estaturas y pesos de personas, la producción agraria y la cantidad defertilizantes utilizados, etc.), puede darse el problema de que la dependiente asuma múltiples valores para una combinación de valores de las independientes.

La dependencia a la que se hace referencia es relacional matemática y no necesariamente de causalidad. Así, para un mismo número de unidades producidas, pueden existir niveles de costo, que varían de empresa a empresa, etc.

Si se da ese...
tracking img