Pregunta: Un especialista en análisis de béisbol quiere determinar qué variables son importantes para predecir las victorias de un equipo en una temporada determinada. Ha recopilado datos relacionados con victorias, promedio de rendimiento limpio (ERA) y carreras anotadas para la temporada 2012 (almacenados en BB2012). Desarrolle un modelo para predecir la cantidad de

Un especialista en análisis de béisbol quiere determinar qué variables son importantes para predecir las victorias de un equipo en una temporada determinada. Ha recopilado datos relacionados con victorias, promedio de rendimiento limpio (ERA) y carreras anotadas para la temporada 2012 (almacenados en BB2012). Desarrolle un modelo para predecir la cantidad de victorias según la efectividad y las carreras anotadas.

Enuncie la ecuación de regresión múltiple.

Interpreta el significado de las pendientes en esta ecuación.

Prediga el número medio de victorias de un equipo que tiene una efectividad de 4.50 y ha anotado 750 carreras.

Realice un análisis residual de los resultados y determine si los supuestos de regresión son válidos.

¿Existe una relación significativa entre el número de victorias y las dos variables independientes (ERA y carreras anotadas) en un nivel de significancia de 0,05?

Determine el valor p en (e) e interprete su significado.

Interprete el significado del coeficiente de determinación múltiple en este problema.

Determine el r² ajustado.

En el nivel de significancia de 0.05, determine si cada variable independiente hace una contribución significativa al modelo de regresión. Indique el modelo de regresión más apropiado para este conjunto de datos.

Determine el valor p en (i) e interprete el significado.

Construya una estimación del intervalo de confianza del 95% de la pendiente poblacional entre victorias y efectividad.

Calcular e interpretar los coeficientes de determinación parcial.

¿Qué es más importante a la hora de predecir victorias: el lanzamiento, medido por efectividad, o la ofensiva, medida por carreras anotadas? Explicar.

Realice un análisis de influencia en sus resultados y determine si alguna observación debe eliminarse del modelo. Si es necesario, vuelva a analizar el modelo de regresión después de eliminar estas observaciones y compare sus resultados con los del modelo original.

Un especialista en análisis de béisbol ha ampliado su análisis, presentado en el problema 14.81 de la página 586, sobre cuáles de las variables son importantes para predecir las victorias de un equipo en una temporada de béisbol determinada. Ha recopilado datos en BB2012 relacionados con victorias, efectividad, salvamentos, carreras anotadas, hits permitidos, bases por bolas permitidas y errores para la temporada 2012.

Desarrollar el modelo de regresión múltiple más apropiado para predecir las victorias de un equipo. Asegúrese de incluir un análisis exhaustivo de residuos y de influencia. Además, proporcione una explicación detallada de los resultados.

Desarrollar el modelo de regresión múltiple más apropiado para predecir la efectividad de un equipo en función de los hits permitidos, las bases por bolas permitidas, los errores y las salvadas. Asegúrese de incluir un análisis exhaustivo de residuos y de influencia. Además, proporcione una explicación detallada de los resultados.