Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
592 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE 13.36 Manejando su dinero Una corporación particular de ahorros y préstamos está interesada en determinar qué tan bien se puede predecir la cantidad de dinero en ahorros familiares, usando las tres variables independientes de ingreso anual, número de personas en la familia y área en la que viva la familia. Suponga que hay dos áreas específi cas de interés para la corporación. Se recolectaron los datos siguientes, donde y � Cantidad en todas las cuentas de ahorros x1 � Ingreso anual x2 � Número de personas en la familia x3 � 0 si en Área 1; 1 si no Tanto y como x1 se registraron en unidades de $1000. y x1 x2 x3 0.5 19.2 3 0 0.3 23.8 6 0 1.3 28.6 5 0 0.2 15.4 4 0 5.4 30.5 3 1 1.3 20.3 2 1 12.8 34.7 2 1 1.5 25.2 4 1 0.5 18.6 3 1 0.5 0.4 0.3 0.2 0.1 0.0 �0.1 �0.2 �0.3 �0.4 0.0 0.5 1.0 1.5 2.0 2.5 3.0 Valor ajustado Valores residuales contra los ajustados (la respuesta es y) R es id ua l DATOSMISMIS EX1336 La siguiente salida impresa de computadora resultó cuando los datos fueron analizados usando MINITAB. Análisis de regresión: y contra x1, x2, x3 The regression equation is y = -3.11 + 0.503 x1 - 1.61 x2 - 1.15 x3 Predictor Coef SE Coef T P Constant -3.112 3.600 -0.86 0.421 x1 0.50314 0.07670 6.56 0.001 x2 -1.6126 0.6579 -2.45 0.050 x3 -1.155 1.791 -0.64 0.543 S = 1.89646 R-Sq = 92.2% R-Sq(adj) = 88.4% Analysis of Variance Source DF SS MS F P Regression 3 256.621 85.540 23.78 0.001 Residual Error 6 21.579 3.597 Total 9 278.200 Source DF Seq SS x1 1 229.113 x2 1 26.012 x3 1 1.496 a. Interprete R2 y comente sobre el ajuste del modelo. b. Pruebe para una regresión significativa de y en x1, x2 y x3 al nivel de significancia de 5%. c. Pruebe la hipótesis H0 : b3 � 0 contra Ha : b3 � 0 usando a � .05. Comente sobre los resultados de su prueba. d. ¿Qué se puede decir de la utilidad de x3 como variable de predicción en este problema? CASO PRÁCTICO “Hecho en EE.UU.”; otra mirada DATOSMISMIS Autos extranjeros El caso práctico del capítulo 12 examinó el efecto de la competencia extranjera en la industria automotriz cuando el número de autos importados aumentó continuamente durante las décadas de 1970 y 1980.10 La industria automotriz estadounidense ha sido asediada con quejas por la calidad del producto, despidos de trabajadores y altos precios, además que ha gastado miles de millones de dólares en publicidad e investigación para producir un auto hecho en Estados Unidos que satisfaga las demandas del consumidor. ¿Han tenido éxito para detener la inundación de autos importados comprados por con- sumidores estadounidenses? Los datos mostrados en la tabla siguiente dan el número de autos importados (y) vendidos en Estados Unidos (en millones) durante los años 1969- 2005. Para simplifi car el análisis, hemos codifi cado el año usando la variable codifi cada x � Año � 1969. Probabilidad_Mendenhall_13.indd 592Probabilidad_Mendenhall_13.indd 592 5/14/10 8:20:40 AM5/14/10 8:20:40 AM www.FreeLibros.me Número Número de autos de autos Año Año � 1969, x importados, y Año Año � 1969, x importados, y 1969 0 1.1 1987 18 3.1 1970 1 1.3 1988 19 3.1 1971 2 1.6 1989 20 2.8 1972 3 1.6 1990 21 2.5 1973 4 1.8 1991 22 2.1 1974 5 1.4 1992 23 2.0 1975 6 1.6 1993 24 1.8 1976 7 1.5 1994 25 1.8 1977 8 2.1 1995 26 1.6 1978 9 2.0 1996 27 1.4 1979 10 2.3 1997 28 1.4 1980 11 2.4 1998 29 1.4 1981 12 2.3 1999 30 1.8 1982 13 2.2 2000 31 2.1 1983 14 2.4 2001 32 2.2 1984 15 2.4 2002 33 2.3 1985 16 2.8 2003 34 2.2 1986 17 3.2 2004 35 2.2 2005 36 2.3 Al examinar una gráfi ca de dispersión de estos datos, se encuentra que el número de autos importados no parece seguir una relación lineal con el tiempo sino que exhibe una respuesta curvilínea. La cuestión, entonces, es decidir si un modelo de segundo orden, tercero o de orden superior describe en forma adecuada los datos. 1. Grafi que los datos y trace lo que considere sean los modelos de mejor ajuste lineal, cuadrático y cúbico. 2. Encuentre los residuales usando el modelo de regresión lineal ajustado. ¿Parece haber algún modelo en los residuales cuando se grafi ca contra x? ¿Qué modelo indican los residuales que produciría un ajuste mejor? 3. ¿Cuál es el aumento en R2 cuando usted ajusta un modelo cuadrático más que uno lineal? ¿El coefi ciente del término cuadrático es signifi cativo? ¿El modelo cuadrá- tico ajustado es signifi cativamente mejor que el modelo lineal ajustado? Grafi que los residuales a partir del modelo cuadrático ajustado. ¿Le parece que hay algún modelo aparente en los residuales cuando se grafi que contra x? 4. ¿Cuál es el aumento en R2 cuando compara el modelo cúbico ajustado con el cuadrá- tico ajustado? ¿El modelo cúbico ajustado es signifi cativamente mejor que el cuadráti- co ajustado? ¿Hay algunos modelos en una gráfi ca de los residuales contra x? ¿Qué proporción de la variación en la respuesta y no es considerada al ajustar un modelo cúbico? ¿Debe considerarse algún modelo polinomial de orden superior? ¿Por qué sí o por qué no? CASO PRÁCTICO ❍ 593 Probabilidad_Mendenhall_13.indd 593Probabilidad_Mendenhall_13.indd 593 5/14/10 8:20:40 AM5/14/10 8:20:40 AM www.FreeLibros.me 594 ¿Un método de marketing puede mejorar los servicios de una biblioteca? ¿Cómo se califi ca una biblioteca? ¿Su atmósfera es agradable, aburrida o demasiado silenciosa? ¿El personal de la biblioteca es útil? ¿Las indi- caciones son claras y nada ambiguas? El método moderno dirigido a consumidores para comer- ciar, en general, contiene el estudio sistemático hecho por organizaciones respecto de los deseos y necesidades para mejorar sus servicios o pro- ductos. En el caso práctico del fi nal de este ca- pítulo, examinamos los resultados de un estudio para explorar las actitudes de adultos jóvenes ha- cia los servicios proporcionados por bibliotecas. ENTRENADOR PERSONALMIMI OBJETIVOS GENERALES Numerosos tipos de estudios y experimentos resultan en variables de respuesta cualitativas y no cuantitativas, de modo que las respuestas pueden ser clasifi cadas pero no cuantifi cadas. Los datos de estos experimentos están formados por la cuenta o número de observaciones que caen en cada una de las categorías de respuesta incluidas en el experimento. En este capítulo, nos ocupamos de métodos para analizar datos categóricos. ÍNDICE DEL CAPÍTULO ● Suposiciones para pruebas ji cuadrada (14.7) ● Comparación de varias poblaciones multinomiales (14.5) ● Tablas de contingencia (14.4) ● El experimento multinomial (14.1) ● Otras aplicaciones (14.7) ● Estadística ji cuadrada de Pearson (14.2) ● Una prueba de probabilidades de celda especifi cadas (14.3) ¿Cómo determino el número apropiado de grados de libertad? Análisis de datos categóricos Probabilidad_Mendenhall_14.indd 594Probabilidad_Mendenhall_14.indd 594 5/14/10 8:44:25 AM5/14/10 8:44:25 AM 14 © Leemb/Dreamstime www.FreeLibros.me 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE CASO PRÁCTICO: “Hecho en EE.UU.”; otra mirada 14 ANÁLISIS DE DATOS CATEGÓRICOS
Compartir