Trabajo Grupal- Regresion Lineal Multiple PDF

Preview

Summary

TRABAJO GRUPAL REGRESION LINEAL MULTIPLE SANDRA CAROLINA VELANDIA FRANCISCO JAVIER ANAYA RUEDA UNIVERSIDAD DE BUCARAMANGA. FAC. CIENCIAS ADMINISTRATIVAS Y CONTABLES. ESTADISTICA BUCARMANGA 2019 REGRESION LINEAL MULTIPLE Ejercicio 13 de la 498 Se selecciona una muestra de 30 casas unifamiliares que s...

Description

TRABAJO GRUPAL REGRESION LINEAL MULTIPLE

SANDRA CAROLINA TRASLAVIÑA VELANDIA FRANCISCO JAVIER ANAYA RUEDA

UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA. FAC. CIENCIAS ECONÓMICAS, ADMINISTRATIVAS Y CONTABLES. ESTADISTICA BUCARMANGA 2019

REGRESION LINEAL MULTIPLE

Ejercicio 13.52 de la página 498 Se selecciona una muestra de 30 casas unifamiliares que se vendieron recientemente en una pequeña ciudad. Desarrolle un modelo para pronosticar el precio de venta (miles de dólares) utilizando el valor estimado (en miles de dólares) y el periodo (en meses desde la nueva valoración). En esta ciudad se actualizó el valor de las casas en un año antes del estudio. Los resultados se encuentran en el archivo House1

Y(variable dependiente Precio de venta Price($000)

X2(variable independient X1(variable independiente e) valor estimado Periodo tipo Assessed Typ Value Time e

94,1 101,9

78,17 80,24

10 10

0 0

88,65

74,03

11

1

115,5

86,31

2

1

87,5

75,22

5

1

72

65,54

4

1

91,5

72,43

17

1

113,9

85,61

13

1

69,34

60,8

6

1

96,9

81,88

5

0

96

79,11

7

1

61,9

59,93

4

1

93

75,27

11

1

109,5

85,88

10

0

93,75

76,64

17

1

106,7

84,36

12

1

81,5

72,94

5

1

94,5

76,5

14

0

69

66,28

1

1

96,9

79,74

3

0

86,5

72,78

14

1

97,9 83

77,9 74,31

12 11

0 1

1.

97,3

79,85

12

0

100,8

84,78

2

0

97,9

81,61

6

0

90,5 97

74,92 79,98

12 4

1 0

92

77,96

9

1

95,9

79,07

12

0

Determine la ecuación de regresión múltiple. Y =b 0+b 1 X 1+b 2 X 2 Coeficientes

Intercepción -44,98823443 Variable X 1

1,750600703

Variable X 2

0,367951691

Error típico Estadístico t Probabilidad 6,55273441 6 -6,865566582 2,24066E-07 0,08575601 9 20,41373572 6,05809E-18 0,12805394 7 2,873411564 0,007817731

Inferior 95%

Superior 95%

-58,43333487

-31,54313398

1,574643887

1,926557519

0,105206696

0,630696687

Y =−44,98823443+1,750600703 x 1+0,367951691 x 2

2.

Interprete el significado de las pendientes en esta ecuación.

Las pendientes en esta ecuación son: Pendiente que representa la razón entre el incremento de la variable dependiente y, por cada incremento unitario de la variable independiente x. 

B 1 x 1=1,750600703

Esto significa que por cada casa unifamiliar vendido de acuerdo a su valor estimado, realmente se ha vendido 1,75 casas unifamiliares



B 2 x 2=0,367951691

Esto significa que por cada casa unifamiliar que ha sido vendida su periodo de valoración se encuentra en 0,36.

3.

Elabore un pronóstico del precio de venta de una casa valorada en 70.000 dólares que se vendió en un periodo de 12 meses.

Y =−44,98823443+1,750600703(70000 )+ 0,367951691 ( 12) =122501,4764 El precio de una casa valorada en 70.000 dólares y que se vendió en un periodo de 12 meses es de 122.501,4764 dólares.

4.

Efectúe un análisis residual de sus resultados y determine la idoneidad del modelo. Valor residual es = valor Y real - Y estimado (y-yˆ)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Y estimada Y real(precio de venta) 95,53573945 94,1 99,15948291 101,9 88,65620423 88,65 106,8420157 115,5 88,53170892 87,5 71,21794243 72 88,06295326 91,5 109,6640638 113,9 63,65599848 69,34 100,1907096 96,9 96,07744904 96 61,39707248 61,9 12 90,82694911 109,0328709 10 95,43298222 107,1078612 8 84,54033932 94,08404304 6 71,40953187 4 95,70852072 87,57180843 2 95,79898065 89,14637243 0 99,21265202 0 2 104,1635966 100,0859991 90,58219055 90,5 96,49661658 97 94,80016162 92 97,84718347 95,9

residuos -1,43573945 2,74051709 -0,00620423 8,65798435 -1,03170892 0,782057573 3,437046744 4,23593624 5,684001525 -3,29070961 -0,07744904 0,502927518

4

Y estimada es la siguiente=

6 residuos

-0,08219055 0,503383419 -2,80016162 -1,94718347

8

10

12

La distancia entre los residuos (r) obtenidos al eje de las abscisas no es muy grande y se aprecia que solo dos valores se distancian más de 6 dólares del valor real, es decir hay poca variación (la varianza residual es aceptable) en todos los resultados por lo que se puede considerar como una aproximación idónea del modelo matemático.

5.

Determine si existe una relación significativa entre el precio de venta y las dos variables independientes (valor actualizado y periodo), con un nivel de significancia de 0.05.

ANÁLISIS DE VARIANZA Regresión Residuos Total

Grados de libertad Suma de cuadrados 2 4285,849076 27 258,9260041 29 4544,77508

Promedio de los cuadrados F 2142,924538 223,4575191 9,589852005

Si se tuviera un nivel de significancia de 0,05, el valor de F de acuerdo a su distribución seria: Tabla F (2,27)(5%)= 3,35...