Pregunta: x1 x2 16 15 29 46 37 48 34 24 28 26 32 22 49 47 28 11 13 42 41 43 33 13 12 26 47 58 48 16 19 44 Considere los datos de la tabla, donde y es la variable dependiente (o de salida) y x1 y x2 son posibles variables explicativas (o de entrada). 1. Realice un análisis de regresión utilizando y como salida y x1

x1 x2

16 15 29

46 37 48

34 24 28

26 32 22

49 47 28

11 13 42

41 43 33

13 12 26

47 58 48

16 19 44

Considere los datos de la tabla, donde y es la variable dependiente (o de salida) y x1 y x2 son posibles variables explicativas (o de entrada).

1. Realice un análisis de regresión utilizando y como salida y x1 como única variable de entrada.

1.1 ¿Es significativa la regresión?

a) Sí, porque tanto el múltiplo como el R cuadrado ajustado son bastante altos, lo cual es bueno.

b) Sí, porque el pvalue asociado al estadístico F es bastante pequeño.

c) No, porque la diferencia entre el cuadrado de R ajustado y múltiple es demasiado grande.

d) No, porque el valor p asociado al coeficiente de x1 es demasiado pequeño.

1.2 ¿Es razonable suponer que el intercepto es cero?

a) Sí, porque el propio coeficiente estimado es cercano a cero.

b) No, porque el pvalue asociado al intercepto está lejos de cero.

c) No, porque el pvalue asociado al intercepto es cercano a cero.

d) Sí, porque el pvalue asociado al intercepto es bastante alto según los estándares.

1.3 Según sus resultados, ¿cuál de las siguientes es verdadera?

a) El 92% de la variabilidad en y se explica por x1.

b) Según el estadístico F, hay evidencia de que el intercepto es cero.

c)Según un IC del 95%, hay evidencia para pensar que el intercepto no es cero.

d) Según su pvalor, debemos rechazar la hipótesis de que el coeficiente de x1 es cero.

1.4 De acuerdo con la ecuación de regresión estimada, el valor pronosticado para y cuando x1=30.5 es

a) 30,3

b) 107,7

c)-23.3

d) No existe, ya que ese valor no se reporta en los datos

2. Realice un análisis de regresión utilizando y como variable de salida y x1 y x2 como variables predictoras

2.1 ¿Es significativa ahora la regresión con dos predictores?

a) Sí, porque los múltiplos R siguen siendo los mismos

b)Sí, según el estadístico F y su valor p

c) No, ya que el R cuadrado ajustado disminuyó

d) No, ya que el error estándar aumentó alrededor del 6,5%

2.2 ¿Existe evidencia para pensar que el intercep es cero?

a) No, ya que el coeficiente estimado (intersección) es claramente muy diferente de cero

b) Sí, ya que el coeficiente estimado (intersección) es bastante pequeño y cercano a cero.

c) No, ya que el coeficiente estimado (intersección) tiene un valor de p pequeño

d) Sí, ya que el coeficiente estimado (intersección) tiene un valor p relativamente grande

2.3 Realice una prueba basada en la suma adicional de cuadrados para decidir si sumar x2 es significativo en el modelo

2.3.1 El valor del estadístico de prueba es

a)0.045

b)-0.051

c)0.002

d)-0.002

2.3.2 El valor crítico para la prueba (con un significado de 0,07) es

a)4.56

b)7.37

c)0.01

d)6.03

2.3.3 De acuerdo con las dos respuestas anteriores, podemos concluir que

a) Sumar x2 al modelo ayuda a explicar mejor y

b) Sumar x2 al modelo no es significativo

c) No conviene eliminar x2 del modelo

d) Es mejor mantener x2 en lugar de x1 en el modelo

2.4 Según la ecuación de regresión estimada, la predicción para y cuando x1=30.5 y x2=23 es

a)30.9

b) 23,9

c) 25,9

d) Dado que ambos valores no están en el conjunto de datos, no es posible determinar que

Buenas tardes, necesito ayuda para solucionar este problema. Tengo que seleccionar en cada pregunta la respuesta correcta. Tengo opciones de la a a la d y necesito seleccionar la correcta. Que me ayude por favor. Es un poco urgente, lo siento.

Muchas gracias.