Escolar Documentos
Profissional Documentos
Cultura Documentos
data(taller_nuevo)
View(taller_nuevo)
attach(taller_nuevo)
modelo <- lm(y~x_1+x_6)
summary(modelo)
Call:
lm(formula = y ~ x_1 + x_6)
Residuals:
Min 1Q Median 3Q Max
-7.0456 -1.6368 -0.3348 1.6503 6.2540
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 32.910041 1.540929 21.357 < 2e-16 ***
x_1 -0.053025 0.006145 -8.628 1.68e-09 ***
x_6 0.929500 0.670108 1.387 0.176
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Modelo 2
Call:
lm(formula = y ~ x_1)
Residuals:
Min 1Q Median 3Q Max
-6.7875 -1.9616 0.0206 1.7878 6.8182
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 33.727439 1.445559 23.33 < 2e-16 ***
x_1 -0.047428 0.004706 -10.08 3.82e-11 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Grados de libertad
> n<-nrow(cbind(y))
>n
[1] 32
> GLT<- n-1
> GLT
[1] 31
> GLRes<- df.residual(modelo1)
> GLRes
[1] 29
> GLR<- GLT-GLRes
> GLR
[1] 2
Cuadrados medios
> CMR<-SCR/GLR
> CMR
[1] 486.4492
> CMRes<-SCRes/GLRes
> CMRes
[1] 9.125714
> Fo<-CMR/CMRes
> Fo
[1] 53.30533
> pv<-1 - pf(Fo, GLR,GLRes)
> pv
[1] 1.934239e-10
El F calculado y la probabilidad coinciden con los que muestra el cálculo inicial del
modelo.
Bo 32.910041
B1 -0.053025
B6 0.929500
De acuerdo a esto El intervalo de confianza para β1 corresponde a: -0.06559354 ≤
β1 ≤ -0.04045598. En este caso el intervalo es pequeño y se mantiene el signo neg
ativo, lo que es muestra de fiabilidad de la estimación del coeficiente.
Por cada pulgada cúbica que se incremente la cilindrada del motor, se reduce entr
e -0,06 y -0.04 el rendimiento de la gasolina, medido en milla por galón
Residuals:
Min 1Q Median 3Q Max
-7.0456 -1.6368 -0.3348 1.6503 6.2540
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 32.910041 1.540929 21.357 < 2e-16 ***
x_1 -0.053025 0.006145 -8.628 1.68e-09 ***
x_6 0.929500 0.670108 1.387 0.176
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1