Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 508 vistas

    Entregable 2. Universidad Tecnológica de México

    Cargado por

    Benito Vicente Franco López
    Este documento presenta 10 preguntas sobre conceptos básicos de estadística aplicada y pronósticos. Explica que β0 representa el valor de y cuando x es 0 y β1 la pendiente de la recta de regresión. Un coeficiente de correlación negativo indica que a mayor x, menor y. La colinealidad ocurre cuando los predictores están relacionados linealmente. También muestra cómo calcular la ecuación de regresión lineal y el coeficiente de correlación a partir de conjuntos de datos, y cómo realizar pronósticos usando promedios m

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Entregable 2. Universidad Tecnológica de México

    Cargado por

    Benito Vicente Franco López
    508 vistas10 páginas
    Este documento presenta 10 preguntas sobre conceptos básicos de estadística aplicada y pronósticos. Explica que β0 representa el valor de y cuando x es 0 y β1 la pendiente de la recta de regresión. Un coeficiente de correlación negativo indica que a mayor x, menor y. La colinealidad ocurre cuando los predictores están relacionados linealmente. También muestra cómo calcular la ecuación de regresión lineal y el coeficiente de correlación a partir de conjuntos de datos, y cómo realizar pronósticos usando promedios m

    Descripción original:

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta 10 preguntas sobre conceptos básicos de estadística aplicada y pronósticos. Explica que β0 representa el valor de y cuando x es 0 y β1 la pendiente de la recta de regresión. Un coeficiente de correlación negativo indica que a mayor x, menor y. La colinealidad ocurre cuando los predictores están relacionados linealmente. También muestra cómo calcular la ecuación de regresión lineal y el coeficiente de correlación a partir de conjuntos de datos, y cómo realizar pronósticos usando promedios m

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    508 vistas10 páginas

    Entregable 2. Universidad Tecnológica de México

    Cargado por

    Benito Vicente Franco López
    Este documento presenta 10 preguntas sobre conceptos básicos de estadística aplicada y pronósticos. Explica que β0 representa el valor de y cuando x es 0 y β1 la pendiente de la recta de regresión. Un coeficiente de correlación negativo indica que a mayor x, menor y. La colinealidad ocurre cuando los predictores están relacionados linealmente. También muestra cómo calcular la ecuación de regresión lineal y el coeficiente de correlación a partir de conjuntos de datos, y cómo realizar pronósticos usando promedios m

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 10

    Estadística aplicada y pronósticos

    Entregable 2 del 14 al 20 de febrero

    1. ¿En la ecuación de la recta de la regresión lineal que representa βo?

    Suponiendo que llamamos “x” a nuestra variable predictora y “y” a la variable que intentamos predecir βo es
    el valor de “y” cuando tenemos 0 unidades de “x”, igual se puede interpretar como el corte de mi recta de
    regresión lineal con el eje “y”

    2. ¿En la ecuación de la recta de la regresión lineal que representa β1?

    β1 es el valor de la pendiente de mi recta de regresión lineal, se puede interpretar como el cambio


    de “y” cuando cambiamos en una unidad “x”.

    3. Al realizar un ajuste de regresión lineal sobre un conjunto de datos ¿qué significa un coeficiente de
    correlación negativo?

    Si hay una correlación negativa significa que cuando nuestra variable predictora “x” aumenta, la variable a
    predecir “y” disminuye, esto se puede resumir que entre más valga x, menor será el valor de “y” y viceversa.

    4. ¿Qué significa colinealidad?

    La colinealidad sucede si los predictores están relacionados unos con otros de manera lineal, se dice que
    los predictores están relacionados constituyendo una combinación lineal, de manera coloquial podríamos
    decir que ciertas variables predictoras ya no nos arrojan más información de la que ya teníamos, esto en
    regresión puede traer los siguientes problemas:

    La influencia de cada uno de ellos en el criterio no puede distinguirse al quedar solapados unos con otros;
    no se consigue una explicación del fenómeno en cuestión; los pronósticos no son nada fiables, puesto que
    otra combinación de predictores introducida en el modelo variando el orden, produce predicciones en el
    criterio contradictorias

    5. Obtener la ecuación de la recta de regresión lineal del siguiente conjunto de datos.

    X (estatura en metros) Y (peso en kilogramos)


    1.72 82
    1.69 50
    1.75 87
    1.65 50
    1.69 65
    1.63 78
    1.60 65
    1.66 68

    1
    1.73 86
    1.81 85

    Hacemos las siguientes operaciones:

    2
    Tenemos que la ecuación de regresión lineal es la siguiente:

    132.967x-153.514

    3
    6. Determinar el coeficiente de correlación lineal del ejercicio anterior.

    4
    r = 0.5820

    7. Obtener la ecuación de la recta de regresión lineal del siguiente conjunto de datos.

    x 10 20 30 40 50 60 70 80
    y 1.06 1.33 1.52 1.68 1.81 1.91 2.01 2.11

    Hacemos la siguiente tabla

    5
    La ecuación de regresión es:

    y = 0.01434x + 1.0334

    6
    8. Determinar el coeficiente de correlación lineal del ejercicio anterior.

    7
    El coeficiente de correlación es:

    R = 0.9821

    9. Una empresa comercial desea conocer el pronóstico de la demanda para el mes de septiembre, esto debido
    a que se desea contar con la mercancía necesaria, tomando como base ocho periodos anteriores de ventas,
    se pide que el pronóstico se lleve a cabo a través de la técnica de Promedio Móvil Simple (PM8).

    8
    La predicción es 210 en miles

    10. Aplicando el método de promedios móviles simples, determinar el pronóstico del mes de enero del año
    siguiente, si consideramos el promedio móvil a partir de las cinco observaciones más recientes (PM5).

    La predicción es 21.2 (en miles)

    9
    10

    También podría gustarte