Las variables son:

Y: monoxido de Carbono
X1: nicotina
X2:alquitran
X3: Peso

Analizar si X1, x2, x3 se relaciona con Y.

Interpretacion

Se observa que la variable dependiente monoxido de Carbono es directa

y positiva con la variable dependiente nicotina, tambien el grafico
muestra la variable independiente Alquitran tambin se relaciona
directa y positivamente con la variable dependiente monoxido de
Carbono, finalmente se observa que la variable dependiente monoxido de

carbono se relaciona directa y positivamente con la variable

independiente peso.
Luego presentaremos la matriz de correlaciones entre la variable Y:
Monoxido de Carbono y las variables independientes: x1, x2, x3.
La prueba de hiptesis en este caso es:

Ho: la variable Y no se relaciona con la xi (x1, x2, x3)

Ha: la variable Y se relaciona con la xi (x1, x2, x3)

Correlaciones
monoxido de

nicotina

alquitran

peso

carbono
Correlacin de Pearson
monoxido de carbono

Sig. (bilateral)
N
Correlacin de Pearson

nicotina

Sig. (bilateral)
N
Correlacin de Pearson

alquitran

Sig. (bilateral)
N
Correlacin de Pearson

peso

Sig. (bilateral)
N

120
,932

,932**

,944**

,613**

,000

,000

,000

120

120

119

**

,804**

,000

,000

**

,000

,832

120

120

120

119

**

**

,416**

,944

,832

,000

,000

120

120

120

119

**

**

**

,613

,804

,000
,416

,000

,000

,000

119

119

119

119

**. La correlacin es significativa al nivel 0,01 (bilateral).

Interpretacion
la matriz de correlacin se observa que para el anlisis de las tres
variables xi con Y se rechaza la hiptesis nula, los valores de sig( 0.000)
son menores de alfa(0.05) por lo que en estos tres casos las relaciones
de la variables Y con cada una de la Variables independientes ( x1, x2,
x3) son altamente significativas. Con coeficiente de correlacin
bastante altos Yx1=93.2%, Yx2=94.4% y Yx3=61.3%.
2 Estimacion del Modelo

Y^ = 0 + 1 X 1+ 2 X 2 + 3 X 3
Y^ =0.072+6 X 1 +0.631 X 2 +0.203 X 3

Coeficientesa
Modelo

Coeficientes no estandarizados

Coeficientes

Sig.

tipificados
B

Error tp.

(Constante)

-,072

,706

nicotina

6,000

1,014

alquitran

,631

peso

,203

Beta
-,102

,919

,462

5,915

,000

,058

,555

10,869

,000

,921

,011

,221

,826

a. Variable dependiente: monoxido de carbono

Verifiquemos si las variables independientes son significativas (debe quedarse

en el modelo)
Intercepto:
H 0 : 0 =0
H a : 0 0

Modelo

t
(Constante)

-,102

Sig.
,919

Como el valor Sig (0.00) es menor de alfa(0.05) entonces Rechazamos Ho. Por lo tanto
el intercepto debe quedarse en el modelo.
Sensor 1:

H 0 : 1=0

H a : 1 0
Sensor 4:

H 0 : 2=0

H a : 2 0
Sensor 5:

H 0 : 5=0

H a : 5 0

Modelo

t
nicotina
alquitran
peso

Sig.

5,915

,000

10,869

,000

,221

,826

Como el valor Sig (0.00) es menor que alfa(0.05) entonces Rechazamos

Ho. Por lo tanto la variable nicotina debe quedarse en el modelo.

Como el valor Sig (0.00) es menor que alfa(0.05) entonces Rechazamos

Ho. Por lo tanto la variable alquitran debe quedarse en el modelo.

Como el valor Sig (0.826) es mayor que alfa(0.05) entonces Rechazamos

Ho. Por lo tanto la variable debe quedarse en el modelo.

3 Prueba de Bondad de Ajuste

La prueba de hiptesis en este caso es:

Ho: el modelo no es el ms idneo

Ha: el modelo es el ms idneo
ANovi

Modelo

Suma de

gl

Media

cuadrados
Regresin
1

Residual
Total

Sig.

cuadrtica

3325,921

1108,640

129,740

115

1,128

3455,660

118

982,688

,000b

a. Variable dependiente: monoxido de carbono

b. Variables predictoras: (Constante), peso, alquitran, nicotina

Como el valor sig(0.000) es menor que alfa(0.05) entonces rechazamos Ho. Por
lo tanto al 5% de significancia podemos decir que el modelo nos servir para
realizar pronsticos.

4 Analisis de residuos

Podemos observar que el histograma tiende a la forma de una campana

de gauss por lo que podemos decir que los residuos son aleatorios.

Lo mismo podemos observar en el grafico de probabilidad normal.