Modelo regresion lineal simple ejemplo

Solo disponible en BuenasTareas
  • Páginas : 6 (1262 palabras )
  • Descarga(s) : 0
  • Publicado : 4 de diciembre de 2011
Leer documento completo
Vista previa del texto
INSTITUTO POLITÉCNICO NACIONAL
DIRECCIÓN DE EDUCACIÓN MEDIA SUPERIOR
Ciclo Escolar 2011-2012 A
Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas
Ingeniería en Mecatrónica

“Practica Modelo de Regresión Lineal Simple”

Materia:
Probabilidad y Estadística para ingeniería

Alumnos
Mendoza Díaz Kevin Christopher
Morales Becerra Víctor Fabián
Muñoz José ÁngelUrbina Alcasena Christianne Leonor

GRADO: 5º SEMESTRE Grupo: 2MM5

22/11/11
Practica No. 1
El objetivo del análisis de la regresión lineal es analizar un modelo que pretende explicar el comportamiento de una variable (Variable endógena, explicada o dependiente), que denotaremos por Y, utilizando la información proporcionada por los valores tomados por un conjunto devariables (explicativas, exógenas o independientes), que denotaremos por X1 , X2 , ....., X n
El problema fundamental que se aborda es el siguiente: suponiendo que la relación entre la variable Y y el conjunto de variables X1 , X2 , ... X k es como se ha descrito en el modelo, y que se dispone de un conjunto de T observaciones para cada una de las variables ¿cómo pueden asignarse valoresnuméricos a los parámetros b0 y b1 basándonos en la información muestral?.
Estos valores son la estimación de los parámetros llamados coeficientes de regresión. Representan las unidades de cambio en la variable dependiente por unidad de cambio en la variable independiente correspondiente. En el caso de que sólo haya una variable dependiente se llega a la ecuación de una recta donde b0 es laordenada en el origen y b1 la pendiente de la recta. Una vez encontradas las estimaciones de los parámetros del modelo, podremos hacer predicciones sobre el comportamiento de la variable Y en la población.
Modelo Regresión Lineal Simple (MRLS) de módulo de elasticidad vs tiempo de ruptura
Tabla de Datos
  |   |   |   |   |   |   |   |   |
  | | | | | | Val. ajustados | Residuos | Residuocuadrados |
1. | 29.8 | 5.9 | 234.3164948 | 5.02073649 | 34.299 | 6.496 | -0.596 | 0.355216 |
2. | 33.2 | 7.2 | 141.7861748 | 0.88491649 | 11.201 | 6.8615 | 0.3385 | 0.11458225 |
3. | 33.7 | 7.3 | 130.1287748 | 0.70677649 | 9.590201180 | 6.91525 | 0.38475 | 0.148032563 |
4. | 35.3 | 6.3 | 96.18509476 | 3.38817649 | 18.052 | 7.08725 | -0.78725 | 0.619762562 |
5. | 35.5 |8.1 | 92.30213476 | 0.00165649 | 0.391021180 | 7.10875 | 0.99125 | 0.982576562 |
6. | 36.1 | 6.8 | 81.13325476 | 1.79747649 | 12.076 | 7.17325 | -0.37325 | 0.139315563 |
7. | 36.2 | 7 | 79.34177476 | 1.30119649 | 10.161 | 7.184 | -0.184 | 0.033856 |
8. | 36.3 | 7.6 | 77.57029476 | 0.29235649 | 4.762161180 | 7.19475 | 0.40525 | 0.164227563 |
9. | 37.5 | 6.8 | 57.87253476 |1.79747649 | 10.199 | 7.32375 | -0.52375 | 0.274314063 |
10. | 37.7 | 6.5 | 54.86957476 | 2.69189649 | 12.153 | 7.34525 | -0.84525 | 0.714447563 |
11. | 38.7 | 7 | 41.05477476 | 1.30119649 | 7.309 | 7.45275 | -0.45275 | 0.204982563 |
12. | 38.8 | 6.3 | 39.78329476 | 3.38817649 | 11.610 | 7.4635 | -1.1635 | 1.35373225 |
13. | 39.6 | 7.9 | 30.33145476 | 0.05793649 | 1.326 |7.5495 | 0.3505 | 0.12285025 |
14. | 41 | 9 | 16.87073476 | 0.73839649 | -3.529 | 7.7 | 1.3 | 1.69 |
15. | 42.8 | 8.2 | 5.32409476 | 0.00351649 | -0.1368288200 | 7.8935 | 0.3065 | 0.09394225 |
16. | 42.8 | 8.7 | 5.32409476 | 0.31281649 | -1.291 | 7.8935 | 0.8065 | 0.65044225 |
17. | 43.5 | 7.8 | 2.58373476 | 0.11607649 | 0.5476411800 | 7.96875 | -0.16875 | 0.028476563 |18. | 45.6 | 9.7 | 0.24265476 | 2.43141649 | 0.7681111800 | 8.1945 | 1.5055 | 2.26653025 |
19. | 46 | 7.4 | 0.79673476 | 0.54863649 | -0.6611488200 | 8.2375 | -0.8375 | 0.70140625 |
20. | 46.9 | 7.7 | 3.21341476 | 0.19421649 | -0.7899988200 | 8.33425 | -0.63425 | 0.402273062 |
21. | 48 | 9.7 | 8.36713476 | 2.43141649 | 4.510 | 8.4525 | 1.2475 | 1.55625625 |
22. | 49.3 |...
tracking img