Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
586 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE Salida impresa MINITAB para el ejercicio 13.25 caballeros, para niños y para damas. Cinco semanas de observación se seleccionaron al azar de cada depar- tamento y un presupuesto de publicidad x1 (en cientos de dólares) se asignó a cada uno. Las ventas semanales (en miles de dólares) se muestran en la tabla siguiente para cada uno de los 15 periodos de venta de una semana. Si esperamos que las ventas semanales E(y) estén linealmente relacionadas con el gasto de publicidad x1 y si esperamos que las pendientes de las rectas correspondientes a los tres departamentos difi eran, entonces un modelo apropiado para E(y) es E(y) � b0 � b1x1 � b2x2 � b3x3 � b4x1x2 � b5x1x3 14243 1442443 1442443 variable variables fi cticias términos de cuantitativa usadas para interacción que “gasto en introducir la introducen diferencias publicidad” variable cualitativa en pendientes “departamento” en el modelo donde x1 � gasto en publicidad 1 si el departamento de ropa para niños es B x2 � � 0 si no lo es 1 si el departamento de ropa para damas es C x3 � � 0 si no lo es Gasto en publicidad (cientos de dólares) Departamento 1 2 3 4 5 Ropa para caballeros A $5.2 $5.9 $7.7 $7.9 $9.4 Ropa para niños B 8.2 9.0 9.1 10.5 10.5 Ropa para damas C 10.0 10.3 12.1 12.7 13.6 a. Encuentre la ecuación de la recta que relacione E(y) con el gasto en publicidad x1 para el departamento A de ropa para caballeros. [sugerencia: De acuerdo con el código usado para las variables ficticias, el modelo representa ventas medias E(y) para el departamento A de ropa para caballeros cuando x2 � x3 � 0. Sustituya x2 � x3 � 0 en la ecuación para E(y) para hallar la ecuación de esta recta.] b. Encuentre la ecuación de la recta que relacione E(y) con x1 para el departamento B de ropa para niños. [sugerencia: De acuerdo con el código, el modelo representa E(y) para el departamento de ropa para niños cuando x2 � 1 y x3 � 0.] Análisis de regresión: y contra x. x-sq The regression equation is y = 8.59 + 3.82 x - 0.217 x-sq Predictor Coef SE Coef T P Constant 8.585 1.641 5.23 0.006 x 3.8208 0.5683 6.72 0.003 x-sq -0.21663 0.04390 -4.93 0.008 S = 1.83318 R-Sq = 94.4% R-Sq(adj) = 91.5% Analysis of Variance Source DF SS MS F P Regression 2 224.75 112.37 33.44 0.003 Residual Error 4 13.44 3.36 Total 6 238.19 Source DF Seq SS x 1 142.92 x-sq 1 81.83 2 1 0 �1 �2 10 12 14 16 18 20 22 24 26 Valor ajustado Residuales contra valores ajustados (la respuesta es y) R es id ua l 99 95 90 80 70 60 50 40 30 20 10 5 1 �4 �3 �2 �1 0 1 2 3 4 Residual Gráfica normal de probabilidad de los residuales (la respuesta es y) P or ce nt aj e 13.26 Publicidad y ventas Una tienda de departamentos realizó un experimento con el fi n de investigar los efectos de gastos de publicidad en las ventas semanales de sus departamentos de ropa para DATOSMISMIS EX1326 Probabilidad_Mendenhall_13.indd 586Probabilidad_Mendenhall_13.indd 586 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me c. Encuentre la ecuación para la recta que relacione E(y) con x1 para el departamento C de ropa para mujeres. d. Encuentre la diferencia entre los puntos de intersección de las rectas E(y) correspondientes a los departamentos B de ropa para niños y A de ropa para caballeros. e. Encuentre la diferencia de pendientes entre las rectas E(y) correspondientes a los departamentos C de ropa para mujeres y A de ropa para caballeros. f. Consulte el inciso e). Suponga que se desea probar la hipótesis nula de que las pendientes de las rectas correspondientes a los tres departamentos son iguales. Expresa esto como una prueba de hipótesis acerca de uno o más parámetros de modelo. 13.27 Publicidad y ventas, continúa Consulte el ejercicio 13.26. Use un paquete de software de computadora para efectuar el análisis de regresión múltiple y obtener gráfi cas de diagnóstico si es posible. a. Comente sobre el ajuste del modelo, usando el análisis de varianza de prueba F, R2 y las gráficas de diagnóstico para comprobar las suposiciones de regresión. b. Encuentre la ecuación de predicción y grafique las rectas de ventas de los tres departamentos. c. Examine las gráficas del inciso b). ¿Parecen diferir las pendientes de las rectas correspondientes a los departamentos B de ropa para niños y A de ropa para caballeros? Pruebe la hipótesis nula de que las pendientes no difieren (H0 : b4 � 0) contra la hipótesis alternativa de que las pendientes son diferentes. d. ¿Los términos de interacción del modelo son significativos? Use los métodos descritos en la sección 13.5 para probar H0 : b4 � b5 � 0. ¿Los resultados de esta prueba sugieren que el modelo ajustado debe ser modificado? e. Escriba una explicación breve de las implicaciones prácticas de este análisis de regresión. 13.28 Demanda de servicio eléctrico Las compañías de servicio eléctrico, que deben planear la operación y expansión de generación de electricidad, están vitalmente interesadas en predecir la demanda de consumidores tanto a corto como a largo plazos. Un estudio a corto plazo se realizó para investigar el efecto de la temperatura diaria mensual x1 y el costo por kilowatt-hora x2 en el consumo diario medio (en kilowatt-horas, kWh) por familia. La compañía esperaba que la demanda de electricidad subiera en tiempo frío (debido a calefacción), bajara cuando el clima fuera moderado y subiera de nuevo cuando la temperatura subiera y hubiera necesidad de poner a funcionar el aire DATOSMISMIS EX1328 acondicionado. Esperaban que la demanda disminuyera a medida que aumentara el costo por kilowatt-hora, lo que refl eja mayor atención a la conservación. Los datos estuvieron disponibles para 2 años, un periodo en el que el costo por kilowatt-hora x2 aumentó debido al creciente costo del combustible. La compañía ajustó el modelo E(y) � b0 � b1x1 � b2x 2 1 � b3x2 � b4x1x2 � b5x 2 1x2 a los datos que se ven en la tabla siguiente. La salida impresa MINITAB para este problema de regresión múltiple también se ilustra. Precio por Temperatura diaria Consumo diario medio kWh, x2 y consumo (kWh) por familia 8¢ Temperatura diaria 31 34 39 42 47 56 media (°F), x1 62 66 68 71 75 78 Consumo diario 55 49 46 47 40 43 medio, y 41 46 44 51 62 73 10¢ Temperatura diaria 32 36 39 42 48 56 media, x1 62 66 68 72 75 79 Consumo diario 50 44 42 42 38 40 medio, y 39 44 40 44 50 55 Salida impresa MINITAB para el ejercicio 13.28 Análisis de regresión: y contra x1, x1-sq, x2, x1x2, x1sqx2 The regression equation is y = 326 - 11.4 x1 + 0.113 x1-sq - 21.7 x2 + 0.873 x1x2 - 0.00887 x1sqx2 Predictor Coef SE Coef T P Constant 325.61 83.06 3.92 0.001 x1 -11.383 3.239 -3.51 0.002 x1-sq 0.11350 0.02945 3.85 0.001 x2 -21.699 9.224 -2.35 0.030 x1x2 0.8730 0.3589 2.43 0.026 x1sqx2 -0.008869 0.003257 -2.72 0.014 S = 2.90763 R-Sq = 89.8% R-Sq(adj) = 87.0% Analysis of Variance Source DF SS MS F P Regression 5 1346.45 269.29 31.85 0.000 Residual Error 18 152.18 8.45 Total 23 1498.63 Source DF Seq SS x1 1 140.71 x1-sq 1 892.78 x2 1 192.44 x1x2 1 57.84 x1sqx2 1 62.68 Unusual Observations Obs x1 y Fit SE Fit Residual St Resid 9 68.0 44.000 49.640 1.104 -5.640 -2.10R 12 78.0 73.000 67.767 2.012 5.233 2.49R R denotes an observation witha large standardized residual. a. ¿Los datos dan suficiente evidencia para indicar que el modelo aporta información para la predicción del consumo diario medio en kilowatt-hora por familia? Pruebe al nivel de significancia de 5%. b. Grafique la curva que describe ŷ como función de la temperatura x1 cuando el costo por kilowatt-hora es x2 � 8¢. Construya una gráfica similar para el caso cuando x2 � 10¢ por kilowatt-hora. ¿Son diferentes las curvas de consumo? EJERCICIOS SUPLEMENTARIOS ❍ 587 Probabilidad_Mendenhall_13.indd 587Probabilidad_Mendenhall_13.indd 587 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me 588 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE c. Si el costo por kilowatt-hora no es importante para predecir el uso, entonces en el modelo no se necesitan los términos que contienen x2. Por tanto, la hipótesis nula H0 : x2 no aporta información para la predicción de y es equivalente a la hipótesis nula H0 : b3 � b4 � b5 � 0 (si b3 � b4 � b5 � 0, los términos que contienen x2 desaparecen del modelo). La salida impresa MINITAB, obtenida al ajustar el modelo reducido E(y) � b0 � b1x1 � b2x 2 1 a los datos, se muestra aquí. Use los métodos de la sección 13.5 para determinar si el precio por kilowatt- hora x2 aporta información significativa para la predicción de y. Salida impresa MINITAB para el ejercicio 13.28 x1 � Edad del delfín (en años) 0 si hembra x2 � � 1 si macho y � Concentración de mercurio (en microgramos/gramo) en el hígado y x1 x2 y x1 x2 1.70 .21 1 481.00 22.50 1 1.72 .33 1 485.00 24.50 1 8.80 2.00 1 221.00 24.50 1 5.90 2.20 1 406.00 25.50 1 101.00 8.50 1 252.00 26.50 1 85.40 11.50 1 329.00 26.50 1 118.00 11.50 1 316.00 26.50 1 183.00 13.50 1 445.00 26.50 1 168.00 16.50 1 278.00 27.50 1 218.00 16.50 1 286.00 28.50 1 180.00 17.50 1 315.00 29.50 1 264.00 20.50 1 y x1 x2 y x1 x2 241.00 31.50 1 142.00 17.50 0 397.00 31.50 1 180.00 17.50 0 209.00 36.50 1 174.00 18.50 0 314.00 37.50 1 247.00 19.50 0 318.00 39.50 1 223.00 21.50 0 2.50 .80 0 167.00 21.50 0 9.35 1.58 0 157.00 25.50 0 4.01 1.75 0 177.00 25.50 0 29.80 5.50 0 475.00 32.50 0 45.30 7.50 0 342.00 34.50 0 101.00 8.05 0 135.00 11.50 0 a. Escriba un modelo de segundo orden que relacione y con x1 y x2. Considere curvatura en la relación entre edad y concentración de mercurio, así como para una interacción entre género y edad. Use un software de computadora para efectuar el análisis de regresión múltiple. Consulte la salida impresa para contestar estas preguntas. b. Comente sobre el ajuste del modelo, usando estadísticas relevantes de la salida impresa. c. ¿Cuál es la ecuación de predicción para predecir la concentración de mercurio en un delfín hembra como función de su edad? d. ¿Cuál es la ecuación de predicción para predecir la concentración de mercurio en un delfín macho como función de su edad? e. ¿El término cuadrático de la ecuación de predicción para hembras hace aportación significativa a la predicción de la concentración de mercurio en un delfín hembra? Análisis de regresión: y contra x1, x1-sq The regression equation is y = 130 - 3.50 x1 + 0.0334 x1-sq Predictor Coef SE Coef T P Constant 130.01 14.88 8.74 0.000 x1 -3.5017 0.5789 -6.05 0.000 x1-sq 0.033371 0.005256 6.35 0.000 S = 4.70630 R-Sq = 69.0% R-Sq(adj) = 66.0% Analysis of Variance Source DF SS MS F P Regression 2 1033.49 516.75 23.33 0.000 Residual Error 21 465.13 22.15 Total 23 1498.63 Source DF Seq SS x1 1 140.71 x1-sq 1 892.78 Unusual Observations Obs x1 y Fit SE Fit Residual St Resid 12 78.0 73.000 59.906 2.243 13.094 3.16R R denotes an observation with a large standardized residual. d. Compare los valores de R2(adj) para el ajuste de los dos modelos. ¿Cuál de los dos modelos recomendaría usted? 13.29 Concentración de mercurio en delfi nes Debido a que los delfi nes (y otros grandes mamíferos marinos) son considerados como los principales depredadores en la cadena alimenticia marina, las concentraciones de metales pesados en del- fi nes de franjas se midieron como parte de un estudio de contaminación marina. Se espera que la concentración de mercurio, el metal pesado reportado en este estudio, difi era en machos y hembras porque el mercurio en una hembra aparentemente es pasado a su descendencia durante la gestación y lactancia. Este estudio comprendió 28 machos entre las edades de .21 y 39.5 años y 17 hembras de edades entre .80 y 34.5 años. Para los datos de la tabla, DATOSMISMIS EX1329 Probabilidad_Mendenhall_13.indd 588Probabilidad_Mendenhall_13.indd 588 5/14/10 8:20:39 AM5/14/10 8:20:39 AM www.FreeLibros.me
Compartir