a General UNA
Transcript of a General UNA
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 1/25
UNIVERSIDAD NACIONAL ABIERTAVICERECTORADO ACADÉMICOAREA DE MATEMÁTICA
TRABAJO PRÁCTICO:
ANÁLISIS DE CORRELACIÓN Y
MODELOS DE REGRESIÓN MULTIPLE
ALUMNO: JOSE G. HERNANDEZ S. (610)
V-6.868.791
ESTADISTICA APLICADA (746)
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 2/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
RESUMEN
Para efectos de la realización de éste trabajo, se nos dio la potestad de elegir el planteamiento del
problema, es decir, buscar un evento o situación ya fuere en el ámbito laboral o cotidiano, sobre
el cual aplicar un análisis de correlación múltiple soportado por un Modelo de Regresión. Para
éste caso en particular, los datos fueron tomados de las últimas 50 ediciones de los premiosOscars. Conforme a los resultados obtenidos con la ayuda del software Excel ver. 2003, se
procedió a analizar los coeficientes de determinación para verificar el grado de dependencia de la
variable que representa la cantidad de nominaciones, con las variables dependientes agrupadas en
las categorías que conforman dicha premiación, las cuales fueron dadas en cada uno de los
modelos. El análisis de varianza (ANOVA) nos llevó a determinar mediante prueba de hipótesis
si las variables independientes estaban relacionadas entre sí. Vale destacar, que se utilizaron
como parámetros: un nivel de significancia del 5% y un nivel de confianza del 95% fijado en el
Excel.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 3/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
INDICE
Página
Resumen………………………………………………………………………………… 2
Introducción…………………………………………………………………………….. 4
Método………………………………………………………………………………….. 5
Resultados………………………………………………………………………………. 9
Discusión………………………………………………………………………………... 10
Conclusiones……………………………………………………………………………. 17
Bibliografía……………………………………………………………………………… 18
Apéndice………………………………………………………………………………… 19
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 4/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
INTRODUCCION
La regresión lineal múltiple es una técnica que intenta modelar probabilísticamente el valor
esperado de una variable Y, a partir de los valores de dos o más predictores. Es un método muy
poderoso y ampliamente utilizado en investigación (Canavos 1988):
En la realización de éste trabajo se tomarán datos sobre las películas ganadoras en las últimas 50ediciones de los premios Oscars, se procederá a estudiar la correlación existente entre las cuatro
(4) variables independientes, las cuales a su vez agrupan una cierta colección de categorías en las
que se obtuvieron premios, contra una variable dependiente que refleja la cantidad de
nominaciones, para luego considerar si existe un grado de relación significativo entre ellas y la
variable dependiente.
El modelo para éste análisis global de todas las variables es:
Y= β0 + β1X1 + β2X2 + β3X3 + β4X4
El análisis de las varianzas de la muestra (ANOVA) permitirá efectuar pruebas para hallar las
diferencias entre los valores de las medias poblacionales. Con el análisis de los coeficientes dedeterminación (R²) se pretende buscar el modelo que mejor explique los valores presentes en la
variable dependiente.
Se espera que los resultados de éste trabajo reflejen sí el hecho que una película (ya ganadora
como “Mejor Película”), y el haber sido también galardonada en otras categorías, influye en la
cantidad de nominaciones a las que fue postulada.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 5/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
METODO
Población:
Los datos para el estudio fueron obtenidos a través de internet, específicamente en la página de
Wikipedia. La muestra tomada está conformada por los premios otorgados en las últimas 50
ediciones de los “Premios Oscars” (1960-2009) dando un total de 50 registros. Cabe destacar queen algunas categorías se hace la acotación si es: a Color o en Blanco y Negro, esto se debe a que
todavía en la década de los sesentas todavía se galardonaban películas en blanco y negro,
separadas de las “a color”.
Instrumentos Materiales:
Para el desarrollo en los análisis estadísticos de éste trabajo, fue necesario el apoyo en el
Software Excel ver. 2003 que es la versión más común en el mercado.
Procedimiento:
Una vez realizada la captura de los datos en Internet en el portal Wikipedia la enciclopedia libre,
se procedió a hacer la asignación de los valores correspondientes a la variable dependiente y la
agrupación de categorías consideradas en las premiaciones, tal como se muestran en la siguiente
tabla. Luego utilizando el Excel, se cargaron los datos como se indica en la guía de Excel
facilitada por el Departamento de Matemáticas de la UNA, luego se procedió a generar el análisis
de Correlación y Regresión Múltiple.
A continuación se describe la conformación de la variable dependiente como de las
independientes que formaran parte del estudio del modelo de regresión múltiple:
Y = Cantidad de nominaciones recibidas (valores de 1 – 14)
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 6/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
• Mejor Actor Principal.
• Mejor Actriz Principal.
• Mejor Actor de Reparto.
• Mejor Actriz de Reparto.
X2= Calidad en la Trama (valores de 0 – 2):
• Mejor Guión (Original o Adaptado).
• Mejor Montaje o Edición.
X3= Calidad del Sonido (valores de 0 – 4):
• Mejor Banda Sonora (Original o Adaptada).
• Mejor Canción.
• Mejor Sonido.
• Mejor Edición de Sonido.
X4= Calidad Visual (valores de 0 – 5):
• Mejor Fotografía (Color o Blanco y Negro)
• Mejor Dirección Artística (Color o Blanco y Negro)
• Mejor Vestuario (Color o Blanco y Negro)
• Mejores Efectos Visuales.
• Mejor Maquillaje.
Seguidamente se indica la tabla resultante luego de ésta evaluación, con los valores de cada una
de las variables independientes (Xi) como los valores de la variable dependiente (Y):
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 7/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
MODELO (1)
Año Y X1 X2 X3 X41 1960 10 2 2 0 1
2 1961 11 4 1 2 3
3 1962 10 2 1 2 2
4 1963 10 2 1 1 0
5 1964 12 3 0 2 3
6 1965 10 2 1 2 0
7 1966 8 3 1 0 28 1967 7 2 2 1 0
9 1968 11 2 0 2 1
10 1969 7 2 1 0 0
11 1970 10 3 2 1 1
12 1971 8 3 2 0 0
13 1972 11 2 1 0 0
14 1973 10 2 2 1 2
15 1974 11 3 1 1 1
16 1975 9 4 1 0 0
17 1976 10 2 1 0 0
18 1977 5 2 1 0 0
19 1978 9 3 1 1 0
20 1979 9 4 1 0 0
21 1980 6 3 1 0 0
22 1981 7 1 1 1 1
23 1982 11 3 2 0 3
24 1983 11 4 1 0 0
25 1984 11 3 1 1 3
26 1985 11 2 1 2 2
27 1986 8 2 1 1 0
28 1987 9 2 2 2 3
29 1988 8 3 1 0 0
30 1989 9 2 1 0 1
31 1990 12 2 2 2 1
32 1991 7 4 1 0 0
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 8/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
39 1998 13 3 1 1 2
40 1999 8 3 1 0 141 2000 12 2 0 1 2
42 2001 8 3 1 0 0
43 2002 13 2 1 1 2
44 2003 11 2 2 3 4
45 2004 7 4 0 0 0
46 2005 6 1 2 0 0
47 2006 6 2 2 0 048 2007 8 3 1 0 0
49 2008 10 2 2 3 1
50 2009 9 2 2 2 0
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 9/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
RESULTADOS
A continuación se reflejan los resultados obtenidos luego de procesar los datos con la herramienta
de análisis de regresión de Excel. Seguidamente, se muestran las tablas con los valores obtenidos,
y así determinar la ecuación de regresión para el primer modelo o modelo global (Tabla.1).
Variables Coeficientes
Intercepción 7,40076585
X1 0,380766648
X2 -0,145043423
X3 0,588435209
X4 0,803996285Tabla.1
Y = 7,40076585 + 0,380766648 (X1) - 0,145043423 (X2) + 0,588435209 (X3) + 0,803996285 (X4)
De manera complementaria, se obtuvieron los valores de Estadísticas de Regresión (Coeficiente
de correlación múltiple, coeficiente de determinación R², R² Ajustado, Error típico y Nro. de
observaciones), Análisis de varianza, sobre los cuales se fundamenta el estudio individual de las
variables para determinar el mejor modelo, esperando que estos valores aporten suficiente
información explicativa de los mismos.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 10/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
DISCUSION
Con los resultados obtenidos al procesar los datos antes mencionados, se procede a analizar cada
uno de los valores relejados con el objeto de determinar cuál modelo es el más representativo
para el caso dado (Tabla.2).
Estadísticas de la regresión
Coeficiente decorrelación múltiple……. 0,670478164
Coeficiente dedeterminación R^2…..... 0,449540968
R^2 ajustado………......... 0,400611277
Error típico………………….. 1,626162719
Observaciones…………….. 50Tabla.2
El Coeficiente De Determinación Múltiple mide la fuerza de la relación entre ‘Y’ y las variablesindependientes Xi. A mayor valor de R² se infiere que la relación de Y con las variables X i es
más fuerte. Al observar el valor dado para este modelo se puede afirmar que la relación es
moderada (0,670478164 => 67%) entre las variables independientes y la dependiente.
Al analizar los Coeficientes de Determinación (R²) se podrá establecer cuál de los modelos
explica mejor los valores presentes de la variable dependiente, para éste caso el valor de0,449540968 representa el hecho de que un 45% de las nominaciones (Y) pueden ser explicadas
por los Oscars ganados en las distintas categorías (Xi) a considerar para éste modelo.
El C fi i t D D t i ió Aj t d C id t t l i ió
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 11/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
modelos lineales como válidos. Esto significa que a medida que el número de variables se
incrementa, se puede aumentar “artificialmente” R², incluso una variable que no tenga relación
con estudio o el modelo a considerar.
Como información complementaria, para evitar esta desviación, es decir para atenuar el sesgo de
la muestra, se utiliza la Bondad de Ajuste o Coeficiente de Determinación Corregido. Este
estadístico se ajusta a la medida del número de grados de libertad.
De acuerdo al valor obtenido de R² Ajustado, se puede indicar que el valor 0,400611277 es
equivalente a un porcentaje de 40%.
Error Estándar de Estimación, mide el grado de dispersión de los valores de Y alrededor del
plano de regresión, el cual para éste caso no es muy relevante con apenas 1,626162719.
El Análisis De Varianza (ANOVA), es un procedimiento que prueba si algunas de las variables
independientes tienen relación con la variable dependiente, si alguna variable independiente no
está relacionada con la variable Y , su coeficiente debería ser cero. Es decir, Si X1 no está
relacionada con Y , entonces β1 = 0. Al mismo tiempo prueba la hipótesis nula de que todos los
valores β son cero contra la alternativa de que por los menos un β no es cero. Si no se rechaza lahipótesis nula, entonces no hay relación lineal entre ‘Y’ y cualquiera de las variables
independientes. Por otra parte, si la hipótesis nula se rechaza, entonces por los menos una
variable independiente está relacionada linealmente con Y.
El análisis de las varianzas de la muestra (ANOVA) (Tabla.3) permitirá efectuar pruebas para
hallar las diferencias entre los valores de las medias poblacionales y probar la hipótesis de queéstas sean iguales o no.
Para ello fijamos la hipótesis:
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 12/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
ANÁLISIS DE VARIANZA
Grados delibertad
Suma decuadrados
Promedio de loscuadrados
F Valor crítico deF
Regresión 4 97,18176652 24,29544163 9,187488263 1,63008E-05
Residuos 45 118,9982335 2,644405188
Total 49 216,18
Tabla.3
Como trabajamos con un nivel de significancia del 5% (0.05) y el valor crítico de F es0,0000163008099647485 el cual está muy por debajo de dicho nivel y cercano a cero (0), se
rechaza la hipótesis nula (H0) y se acepta la hipótesis alterna (HA).
Para estos momentos no existe una tendencia lo suficientemente consistente en todas las variables
independientes para dar validez a el modelo, por tanto se toman los valores obtenidos en el
ANOVA referente a los datos de Probabilidad o parámetro ρ para hacer la siguiente
consideración: aquellas variables (Xi) cuyo valor de ρ es mayor al nivel de significancia 0,05
(5%) y más cercanas a uno (1) serán consideradas “no significativas” y no aportan poder
explicativo al modelo dado.
Por tanto, se ordenaran de menor a mayor grado de significancia las variables ρ > 0,05 y se
excluirán del modelo una a una para luego ejecutar nuevamente el análisis en Excel y evaluar el
comportamiento de dicho modelo, se espera obtener al final el modelo que mejor represente el
problema dado (Tabla.4).
Variables Coeficientes Probabilidad (ρ)
Intercepción 7,40076585 8,24705E-08
X1 0,380766648 0,260419645
X2 -0,145043423 0,715192666
X3 0,588435209 0,067131316
X4 0,803996285 0,001952527Tabla.4
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 13/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Estadísticas de la regresión
Coeficiente decorrelación múltiple 0,669247053
Coeficiente dedeterminación R^2 0,447891618
R^2 ajustado 0,41188455
Error típico 1,610797736
Observaciones 50
Tabla.5
No se aprecia una variación significativa en el Coeficiente de correlación múltiple, Coeficiente de
determinación R² , R² Ajustado y Error Típico de éste nuevo modelo con el anterior lo que indica
que la fuerza de relación entre las variables independientes (Xi) y la dependiente (Y) se mantiene.
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio de
los
cuadrados
F Valor crítico de
F
Regresión 3 96,82521002 32,27507001 12,43899152 4,39751E-06
Residuos 46 119,35479 2,594669347
Total 49 216,18Tabla.6
Aquí se observa que el valor crítico de F ha disminuido en comparación con el valor del modelo
anterior; también se puede apreciar un aumento del Valor de F, el modelo puede ser aceptado con
un grado de confianza bastante aceptable (Tabla.6). En cuanto a éste último cuadro hay un
cambio medianamente sustancial en los valores de éste modelo con respecto al anterior.
Variables CoeficientesProbabilidad
(ρ)
Intercepción 7,150107759 7,85966E-10
X1 0,409872188 0,208717225
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 14/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
aleja un poco más de su valor ρ anterior. Sigue siendo la Variable X4 la que ejerce mayor
influencia en el modelo.
Se elimina la siguiente variable de menor significancia para el modelo actual: X1.
Se ejecuta nuevamente el análisis en Excel para generar un tercer (3er.) modelo y se observa lo
siguiente:
Estadísticas de la regresión
Coeficiente decorrelación múltiple 0,654508041
Coeficiente dedeterminación R^2 0,428380775
R^2 ajustado 0,404056553
Error típico 1,621482405
Observaciones 50Tabla.8
Nuevamente, no existe una variación significativa en éstos valores, se mantienen las
observaciones planteadas en los dos (2) modelos anteriores a éste (Tabla.8).
ANÁLISIS DE VARIANZA
VariablesGrados de
libertad
Suma de
cuadrados
Promedio de los
cuadradosF
Valor crítico de
F
Regresión 2 92,60735603 46,30367802 17,61128351 1,95889E-06
Residuos 47 123,572644 2,629205191
Total 49 216,18
Tabla.9
El valor crítico de F continúa disminuyendo en comparación con el valor del segundo modelo;
también se puede apreciar un aumento del Valor de F, lo cual aumenta levemente su porcentaje
su aceptación y por ende su grado de confianza.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 15/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Variables CoeficientesProbabilidad
(ρ)Intercepción 8,259428623 2,778E-29
X3 0,461629683 0,124313452
X4 0,846608571 0,00100187Tabla.10
A éste nivel el valor de ρ para la variable X3 se hace mucho menos significativo para el modelo
no aún así la variable X4 quien ha mantenido una variación apenas perceptible en cada uno de losmodelos ejecutados, demostrando con ello su posición como una variable de significación
importante en comparación con las otras (Tabla.10).
Finalmente se elimina la Variable X3, para ejecutar un cuarto (4to.) modelo:
Estadísticas de la regresión
Coeficiente decorrelación múltiple 0,63134502
Coeficiente dedeterminación R^2 0,39859654
R^2 ajustado 0,3860673
Error típico 1,64577363
Observaciones 50Tabla.11
Una vez más, se aprecian cambios poco perceptibles entre los valores de éste cuarto (4to.)
modelo (Tabla.11) y los anteriores con respecto a los valores de la tabla de Estadísticas de
Regresión, es decir, la tendencia en estos valores se mantiene.
ANÁLISIS DE VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio
de los
cuadrados
F Valor crítico
de F
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 16/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Aquí continúa en descenso, es decir más cercano a cero (0) el valor crítico de F, esto se entiende
por estar influenciado de la variable X4 la cual se ha mantenido a lo largo de los modelos
ejecutados como la de mayor significación, esto por supuesto, genera el aumento en su porcentaje
de aceptación y nivel confianza mayor que en los modelos anteriores (Tabla.12).
Variables Coeficientes Probabilidad
Intercepción 8,41205212 1,12247E-30
X4 1,08143322 8,84101E-07Tabla.12
La variable X4, es quien más ejerce influencia, es decir, la más significativa, por tanto la ecuación
el modelo quedaría representado así:
Y = 1,12247E-30 + 8,84101E-07(X4)
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 17/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
CONCLUSIONES
Tal como se ha podido apreciar, durante el desarrollo de éste trabajo y con los resultados de los
análisis a los datos recolectados, para ser procesados con la Herramienta de Análisis de Datos del
Excel, se pueden hacer las siguientes consideraciones: aún cuando no existiera un fuerte vinculo
entre las variables independientes (Xi) y la variable dependiente (Y) como lo reflejan los
resultados en las tablas de Estadísticas de Regresión de los cuatro modelos ejecutados, el cual se
mantuvo con un valor cercano entre el 65 y el 67% en su coeficiente de correlación múltiple, esta
vinculación queda calificada como moderada.
Finalmente, es importante señalar que la variable X4, es la que en todos los cuatro modelos
ejecutados o analizados mantuvo un nivel de influencia o significancia relevante sobre las otras.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 18/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
BIBLIOGRAFIA
• WEBSTER, Allen – ESTADISTICA APLICADA A LOS NEGOCIOS Y A LA
ECONOMÍA. Tercera Edición. Colombia: Irwin Editorial McGraw Hill.
• NOGUERA, Guillermo – GUIA: ELEMENTOS DE EXCEL PARA ESTADISTICA.
Área de Matemática - Universidad Nacional Abierta.
• SALINAS, Mauricio Salinas / SILVA, Claudio Silva. MODELOS DE REGRESIÓN Y
CORRELACIÓN II. REGRESIÓN LINEAL MÚLTIPLE. Dirección electrónica:
www.cienciaytrabajo.cl.
• ROBLES FABIÁN, Daniel A. TRABAJO: REGRESIÓN MÚLTIPLE. Direcciónelectrónica: www.monografías.com.
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 19/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
APENDICES
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 20/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficos Residuales. Modelo (1).
X1 Gráfico de los residuales
-4
-3
-2
-1
0
1
2
3
4
5
0 1 2 3 4 5
X1
R e s i d u o s
X2 Gráfico de los residuales
-4
-3
-2
-1
0
1
2
3
4
5
0 1 1 2 2 3
X2
R e s i d u o s
X3 Gráfico de los residuales
-4
-3
-2
-1
0
1
2
3
4
5
0 1 2 3 4 5
X3
R e s i d u o s
X4 Gráfico de los residuales
-4
-3
-2
-1
0
1
2
3
4
5
0 1 2 3 4 5
X4
R e s i d u o s
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 21/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficas de Curvas de regresión ajustada. Modelo (1).
X1 Curva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X1
Y
Y
Pronóstico Y
X2 Curva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 1 2 2 3
X2
YY
Pronóstico Y
X3 Cu rva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X3
YY
Pronóstico Y
X4 Curva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X4
Y
Y
Pronóstico Y
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 22/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficos de los Residuales. Modelo (2).
X1 Gráfico de los residuales
-4
-2
0
2
4
6
0 1 2 3 4 5
X1
R
e s i d
u
o
s
X3 Gráfico de los residuales
-4
-3
-2
-1
0
1
2
3
4
5
0 1 2 3 4 5
X3
R
e s i d u o s
X4 Gráfico de los residuales
-4
-2
0
2
4
6
0 1 2 3 4 5
X4
R
e s i d
u
o
s
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 23/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficas Curva de regresión ajustada. Modelo (2).
X1 Curva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X1
Y
Y
Pronóstico Y
X3 Cu rva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X3
Y
Y
Pronóstico Y
X4 Curva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X4
Y
Y
Pronóstico Y
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 24/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficas de los residuales y curvas de regresión ajustada. Modelo (3).
X3 Gráfico de los residuales
-4
-2
0
2
4
6
0 1 2 3 4 5
X3
R
e s i d u
o s
X4 Gráfico de los residua les
-4
-3
-2
-1
0
1
2
3
4
5
0 1 2 3 4 5
X4
R e s i d u o s
X3 Cu rva de regresión ajustada
0
5
10
15
0 1 2 3 4 5
X3
Y
Y
Pronóstico Y
X4 C urva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X4
Y
Y
Pronóstico Y
5/12/2018 a General UNA - slidepdf.com
http://slidepdf.com/reader/full/a-general-una 25/25
ESTADÍSTICA APLICADA (746) MODELOS DE REGRESIÓNMÚLTIPLE
2010-1
Contaduría pública (610) V-6.868.791 José G. Hernández S
Gráficas de los residuales y curvas de regresión ajustada. Modelo (4).
X4 Gráfico de los residuales
-4
-2
0
2
4
0 1 2 3 4 5
X4
R
e s i d
u
o
s
X4 C urva de regresión ajustada
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5
X4
Y
Y
Pronóstico Y