Beruflich Dokumente
Kultur Dokumente
is
o de Quito
Nombre:
Y = 0 + 1 x1 + 2 x2 +
(1)
La matriz
XX
1
b = (X X) X y
el planteamiento:
Figure 1: Matriz
X X
Su inversa es:
Figure 2: Matriz
La matriz
X y
(2)
(X X)1
Figure 3: Matriz
X y
0 , 1 , 2 de
la
e
ua
in 1
b)
La resultante de
es:
Por lo tanto:
x1 = 18
x2 = 43
Enton
es:
x8 .
Por lo tanto se ha e
Figure 5: Matriz X
Figure 6: Matriz y
Y = 0 + 1 x1 + 2 x2 + ... + k xk +
(3)
es de ir la e ua in (2):
1
b = (X X) X y
X X
(4)
Figure 7: Matriz
X X
(X X)
Figure 9: Matriz
X y
3 .
0 , 1 , 2
b)
Para estimar
donde
SSE
se utiliza la e ua in (3):
b2 =
SSE
np
(5)
Enton es
b2 =
77.55
24
= 3.23
se(j ) =
donde los valores de
Cjj
b2 Cjj
(6)
(X X)1 .
Por lo
se(0 ) =
b2 C00
p
se(0 ) = (3.23)(19.0698)=7.84
p
se(1 ) = (3.23)(1.57x107)=7.1204
p
se(2 ) = (3.23)(0.0025)=8.08x103
p
se(3 ) = (3.23)(5.198x107)=1.29x103
d) Se dan los valores de
x2 = 2000, x7 = 60%
x8 = 1800
12-8
Con la tabla dada se pide ha
er un modelo de regresin lineal usando
x3 , x4
x5
omo regresores.
a) Se determina la matriz X
x2 ,
X X
X X
X X
X y
4 .
0 , 1 , 2 ,
b)
b2 =
10.909
14
= 0.779
se(0 ) =
b2 C00
p
se(0 ) = (0.779)(67.0145)=7.22
p
se(1 ) = (0.779)(0.0889)=0.263
p
se(2 ) = (0.779)(0.0237)=0.136
p
se(3 ) = (0.779)(0.0037)=0.053
p
se(4 ) = (0.779)(7.3595)=2.394
omo se puede ver, los errores estndar de
ada
oe
iente es pequea por
lo
ual quiere de
ir que la regresin es la
orre
ta y se puede tener una buena
estima
in de lo que se bus
a, en este
aso la resisten
ia a la tra
in.
d)x2
= 20 x3 = 30 x4 = 90 x5 = 2
yb = 7.4578 0.0297(20) + 0.5205(30) 0.1018(90) 2.1606(2)
yb 9
12-13
Los datos que se tienen son:
n = 10
k=2
p=3
= 0.05
H0 : 1 = 2 = 0
H1 : j 6= 0
Para este
aso:
Syy =
yi2
P
( yi )2
= 4490
Se sabe que :
1030
X y = 21310
44174
y que:
171.054
= 3.713
1.126
9
Por lo tanto:
X y = 371535.9
Ahora podemos hallar
SSR ,que
resulta ser:
P
( yi )2
= 4430.38
SSR = X y
n
f0 se
f0 =
SSR
k
SSE
np
= 260.09
f0.05,2,7 = 4.74
Dado que
f0 > f0.05,2,7
= 0.05 el modelo
= 0.05
H0 : 1 = 2 = 0
H1 : j = 0
se debe de usar el estadsti
o
F0 =
Pero
omo solo se
ono
e
SSR
k
SSE
np
SST =742,
(X X)
X y
on la
e ua in (5) :
1
b = (X X) X y
(7)
10
SSR
por medio de la e ua in
(6):
SSR = X y
Pn
yi )
i=1
2
(8)
SSR
Pn
i=1
yi
ya que basado en la
X X = X y
220
X y = 36768
9965
Enton
es se tiene
Pn
i=1
El valor de
SSR
yi = 220
es
SSR = 96180.657
(220)2
10
SSR = 91340.657
Por ltimo el valor de
SSE
11
(9)
f0 =
45670.328
12942.66
f0 = 3.52
f,k,np = f0.01,2,7 = 9.55
se re
haza
H0
si
f0 > f,k,np
omo
H0
f0 < f,k,np
f0 < f0.01,2,7
(F)
= 0.01
Valor P:
b) Se pide ha
er una prueba de hiptesis
H0 : 1 = 0
H1 : 1 6= 0
Si se desea
omprobar que
H0
se puede al ular
M SE =
b2 =
b2 =
se(1 ) =
90598.657
7
SSE
np
= 12942.66
p
(12942.66)(7.97x105)=1.01
t0 =
t0 =
1
se(1 )
0.09308
1.01
= 0.092
t0.01,2 = 6.965
Como
12
(10)
No se re haza
H0
x1 es un
= 0.01
por lo ual
12.25
a)
= 0.05
H0 : 1 = 2 = 0
H1 : j = 0
se debe de usar el estadsti
o
F0 =
SSR
k
SSE
np
SST
SSE .
13
SSR ,
(X X)
Figura 20:
X y
(X X)
14
X y
j
SSR = X y
SSR = 26333.48
Pn
i=1
(713)2
21
yi )
2
(11)
= 2125.433
P
2
( ni=1 yi )
SST = y y
n
SST = 26369
(713)2
21
(12)
= 2150.95
f0 =
2125.433
9
25.517
11
236.16
2.32
f0 = 101.8
f,k,np = f0.05,9,11 = 2.9
se re
haza
H0
si
f0 > f,k,np
omo
H0
f0 < f,k,np
f0 > f0.01,2,7
(V)
H0 : 1 = 2 = ... = j = 0
H1 : j 6= 0
15
= 0.05
enton es se tiene
b2 =
Se re
haza
H0
si
SSE
np
= 2.32
t0 < t 2 ,np
p
(2.32)(9.954x104) = 0.048
t0 =
1
se(1 )
0.494
0.048
t0 =
Con
l. 1 : Se re
haza
25.517
11
t0.025,11 = 2.201
t0 > t 2 ,np
se(1 ) =
= 10.28
H0
se(2 ) =
p
(2.32)(1.77x105) = 0.0064
0.49
0.0064
t0 =
= 0.281
H0
p
se(3 ) = (2.32)(1.88x104) = 0.0209
Con l. 2: No se re haza
t0 =
0.0023
0.0209
= 0.11
H0
p
se(4 ) = (2.32)(1.141x103) = 0.051
Con l. 3: No se re haza
t0 =
0.0383
0.051
= 0.74
H0
p
se(5 ) = (2.32)(2.93x102) = 0.261
Con l. 4: No se re haza
t0 =
0.2068
0.261
= 0.79
H0
p
se(6 ) = (2.32)(2.82x104) = 0.026
Con l. 5: No se re haza
t0 =
0.0128
0.026
= 0.5
H0
p
se(7 ) = (2.32)(6.22x104) = 0.038
Con l. 6: No se re haza
t0 =
0.0307
0.038
= 0.81
H0
p
se(8 ) = (2.32)(9.78x103) = 0.15
Con l. 7: No se re haza
16
0.0407
0.15
t0 =
= 0.27
H0
p
se(9 ) = (2.32)(5.30x103) = 0.11
Con l. 8: No se re haza
t0 =
Con
l. 9: No se re
haza
0.2083
0.11
= 1.88
H0
Con
lusin: Como se puede ver no todos los regresores son ne
esarios ya que
solamente los puntos ganados
(x1 )
es signi ante on
= 0.05.
)
Para ha
er esta regresin solamente
on
x1
Se en uentra la matri es
(X X)
x1 ,x4 y y
X y
(X X)
X y
17
SSR = 26322
SST = 26359
(713)2
21
= 2113.95
(713)2
21
= 2150.95
f0 =
1056.98
2.06
f0 = 513.09
f,k,np = f0.05,2,18 = 3.55
se re
haza
H0
si
f0 > f,k,np
H0
f0 < f,k,np
f0 > f0.01,2,7
omo
Por lo tanto se re
haza
(V)
= 0.05,
H0 : x 1 = 0
H1 : x1 6= 0
b2 =
SSE
np
37
18
= 2.05
t0.025,18 = 2.101
Se re haza
H0
si
t0 > t 2 ,np
t0 < t 2 ,np
18
se(1 ) =
p
(2.05)(0.001274) = 0.0162
t0 =
t0 =
1
se(1 )
0.4973
0.0162
= 30.76
Como
H0
x1
= 0.05
por lo ual
H0 : x 2 = 0
H1 : x2 6= 0
p
se(1 ) = (2.05)(3.14x104) = 0.025
t0 =
t0 =
1
se(1 )
0.0042
0.025
= 0.165
Como
H0
x4 es un
= 0.05
por lo ual
Se puede observar que en las tres pruebas tanto general
omo individual se
omprob la
ontribu
in de dos regresores en el modelo de regresin y se lleg
a la misma
on
lusin la
ual es vlida en todos los
asos.
12.27
a)
Podemos halla el intervalo de
onanza requerido utilizando la siguente frmula:
Y |x0 t/2,np
Y |x0
2 x0 (X X)1
Con
= 0.05
, X X son
Tenemos:
0.00657 8 0.00122
b)
El error estandar puede determinarse utilizando la siguiente e
ua
in:
19
(13)
se(
Y |x0 ) =
2 X0 (X X)1 X0
Para :
x2 = 2000
x7 = 60
x8 = 1800
se(
Y |x0 ) = 0.4976
)
El intervalo de
onanza
on los valores anteriores sera hallado de la siguiente manera:
Y |x0 t/2,np
Y |x0
2 x0 (X X)1
x2 , x7 y x8 en la e ua in hallada
Y |x0 = 8.19
Ahora hay q hallar
t/2,n.p
t/2,n.p = t0.025,24 = 2.064
Por lo tanto:
= 0.01
bj t 2 ,np
p
p
b2 Cjj j bj + t 2 ,np
b2 Cjj
1 y 2 , por lo tanto
20
(X X)
X y
. Los l ulos
1
Figure 31: Matri
es(X X)
y
X y
que se representa
en la Figura 28:
en la ual
1 = 3.64 2 = 0.11
X y y yy
SSR = 204550.14
SST = 205008
para hallar
(1024)
6
(1024)2
6
SSR , SST
= 29787.47
= 30245.33
b2 =
se(1 ) =
SSE
np
457.86
3
= 152.62
p
(152.62)(2.10x103) = 0.56
21
SSE .
se(2 ) =
(152.62)(1.23x105) = 0.043
t0.005,3 = 5.841
x1 x2
(X X)1
X y
. Los l ulos
1
Figure 34: Matri
es(X X)
y
X y
22
que se representa
en la ual
SSR = 204714.02
SST = 205008
(1024)2
6
(1024)2
6
= 29951.35
= 30245.33
b2 =
SSE
np
293.98
2
= 146.96
p
(146.96)(1.0061x101) = 3.84
p
se(2 ) = (146.96)(8.67x105) = 0.113
p
se(12 ) = (146.96)(1.0192x107) = 3.87x103
se(1 ) =
t0.005,2 = 9.925
b1 t 2 ,np se(b1 ) 1 b1 + t 2 ,np se(b1 )
SSE .
12.38
Para
al
ular un
R2
se ne esita la e ua in (11):
2
Radj
=1
SSE
np
SST
n1
(14)
(X X)1
X y
. Los l ulos
1
Figure 37: Matri
es(X X)
y
X y
24
que se representa
X y
yy
para hallar
SSR , SST
SSE ,
los
SSR = 926902.54
SST = 927875
X y
(3325)2
12
(3325)2
12
yy
= 5600.46
= 6572.92
R2
2
Radj
=1
=1
138.92
597.54
2
Radj
= 0.768
As, el modelo representa alrededor del 76..8% de la variabilidad de la eletri
idad
onsumida por mes
b) Luego para gra
ar Residuals vs
yi ybi .
ei =
yb y
los residuos
yb
26
12.46
a) Se desea montar un polinomio de segundo orden a los datos de la tabla
dada por lo tanto las matri
es X y Y est representadas en la Figura 39:
(X X)
1
Figure 44: Matri
es(X X)
y
27
X y
que se representa
en la Figura 34:
b)
SSR = 4.195x106
SST = 4206125
(5745)2
8
(5745)2
8
= 70283.84
= 80496.87
f0 =
35141.7
2042.607
f0 = 17.20
f,k,np = f0.05,2,5 = 5.79
se re
haza
H0
si
f0 > f,k,np
omo
H0
f0 < f,k,np
f0 > f0.01,2,7
(V)
= 0.05.
H0 : 11 = 0
H1 : 11 6= 0
b2 =
10213.035
5
= 2042.6
t0.025,5 = 2.57
28
Se re haza
H0
si
t0 > t 2 ,np
se(11 ) =
t0 < t 2 ,np
p
(2042.6)(8.921x106) = 0.134
t0 =
t0 =
11
se(11 )
0.3312
0.134
= 2.45
Como
H0
29
= 0.05
(x2 )
(y),
la siguiente tabla
30
(x3 ).
(x2 ),
las horas de
a)Ajuste
(X X)1
31
X y
Por ltimo, el produ to de ambas matri es va dar los valores de los oe ientes
0 , 1 , 2 y 3
Como se puede ver, mediante el uso del modelo de regresin lineal se puede
prede
ir un estimado del GPA mediante la rela
in de las horas de estudio,
horas de sueo y si pertene
e al
olegio polit
ni
o.
b)Reali e
x2 .
H0 : 2 = 0
H1 : 2 6= 0
Si se desea
omprobar que
H0
M SE =
b2 =
SSE
np
32
se debe al ular on
(15)
SSR , SST
SSE
on las
on la matriz que se al ul
168.66
1551.34
X y =
1116.6
84.64
Enton es se tiene
Pn
i=1
yi = 168.66
SSR = X y
SSR = 570.1385
Pn
i=1
yi )
(168.66)2
50
= 1.2146
Pn
2
( i=1 yi )
SST = y y
n
SST = 575.7516
(168.66)2
50
(16)
(17)
= 6.827
b2 = 5.613
46 = 0.122
p
se(2 ) = (0.122)(0.00657)=0.0283
Enton
es el estimador queda
t0 =
t0 =
Se re
haza
x1
H0
si
2
se(2 )
0.0473
0.0283
= 1.67
t0 < t 2 ,np .
Reali e un I.C. del 90% de dos olas para el parmetro que a ompaa a
x3
p
(0.122)(0.00193) = 0.0153
p
se(3 ) = (0.122)(0.08128) = 0.0995
se(1 ) =
on k=3, p= 4 y n=50
Para al ular el
R2 = 1
SSE
SST
(18)
SSE
SST
enton es se reem-
R2 = 1
SSE
SST
=1
5.613
6.827
R2 = 0.177
En
ambio para
R2
se usa la e ua in
2
Radj
=1
2
Radj
=1
5.613
46
6.827
49
SSE
np
SST
n1
=1
(19)
0.122
0.139
2
Radj
= 0.123
Al en
ontrar
R2
no
se va a ver muy afe
tado por los regresores xj , la rela
in entre ambas es baja.
2
Con el Radj estable
e rela
ion el tamao de la muestra de a
uerdo al nmero
de las variables regresoras, adems informa que se ne
esita mejorar el modelo.
e)
del GPA
uando el tiempo de estudio es 9 horas y las horas de sueo son 6
horas.Adems suponga que el estudiante es del
olegio polit
ni
o.
Primero se tiene que ha
er un intevalo de
onanza para el valor medio
on
un punto dado, por lo
ual se tiene
bY |x0 t 2 ,np
q
q
1
1
bY |x0 +t 2 ,np
b2 x0 (X X) x0 Y |x0
b2 x0 (X X) x0
34
se al ula el valor de
luego el valor de
dado por:
omo
bY |x0
q
1
b2 x0 (X X) x0
t 2 ,np = t0.05,46 = 1, 68
el intervalo queda
q
1
b2 (1 + x0 (X X) x0 ) Y0
q
1
yb0 + t 2 ,np
b2 (1 + x0 (X X) x0 )
yb0 t 2 ,np
se e
uentra el valor de
yb
el intevalo es
yb = 3.3
p
p
3.3 1.68 0.122(1 + 0.0437) Y0 3.3 + 1.68 0.122(1 + 0.0437)
35
2.7 Y0 3.89
f)
M SE =
b2 =
SSE
np
(20)
SSE = 5.613
g)
b2 =
5.613
46
= 0.122
donde i=1,2,3,...,n
ei
ri = p
2
b (1 hii )
(21)
ademas se ne esita
hii = xi (X X)
Luego
on
x1
se en uentra
h11
xi
(22)
Matlab
0.365
0.122(10.0672)
r1 =
r1 = 1.08
de esta misma forma se ha
e
on los 50 datos.
37
omo se puede apre
iar, el primer valor del residuo estandarizado
on
uerda
on nuestros
l
ulos por lo tanto es vlido.
h)
x3 ,
si el nivel de signi an ia es
del 5%, ul fue el error de pre isin que se ometi por haber re ole tado
38
e2 =
2
N z
p(1p)
2 p(1p)
n(N 1)+z
z valor
es el error,
la propor in real, n
e2 =
(4172)(z0.05 )2 0.4(10.4)
50(41721)+(z0.05 )2 0.4(10.4)
e2 =
(4172)(1.64)2 0.4(10.4)
50(41721)+(1.64)2 0.4(10.4)
e2 =
e=
2693.04
208550.645
0.0129
e = 0.114
Como se puede ver el error fue de 11.4%
on respe
to al verdadero valor de
la
antidad total de alumnos de la USFQ.
Referen
es
[1 Montomery & Runger, Probabilidad y Estadsti
a apli
adas a la Ingeniera.
Wiley 2da edi
in.
39