Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Estadistica y pronósticos para la toma de decisiones

No description
by

RODRIGO LARA

on 19 November 2015

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Estadistica y pronósticos para la toma de decisiones

Introducción
Con el método de mínimos cuadrados resolveremos parte del ejercicio para lograr una linea recta y así también ver la linea de regresión. La regresión múltiple es una extensión de la regresión lineal simple que permite más de una variable independiente. Al utilizar más de una variable independiente, es posible hacer un buen trabajo para explicar la variación en Y y, en consecuencia, poder hacer predicciones más exactas. También realizaremos un pronostico para la variable dependiente, donde ajustaremos el modelo de regresión a los datos, se puede pronosticar el peso promedio de peso final y desarrollar intervalos de confianza y de predicción estimados con la suposición de que el modelo de regresión ajustado es adecuado.
Revisa la siguiente información tomada de la sección de avisos de ocasión.
Calcula el error estándar de estimación.
Thank you!
Objetivo
Planteamiento y solución de un problema utilizando las técnicas estadísticas para el pronóstico a corto y largo plazo con el fin de tomar decisiones.
Estima el modelo de regresión múltiple e interpreta los coeficientes de la ecuación de regresión lineal múltiple.
Y=-602.568961940611+9.14198458(X1)+5.934450532(X2)-77.81028379(X3)
POR EL AUMENTO DE METROS DE TERRENO Y CONSTRUCCION, MAYOR ES EL PRECIO DE VENTA
Construye un intervalo de confianza para las pendientes de la población (β1, β2 y β3).
Calcula e interpreta R2 en el contexto del problema.
Calcula R2ajustada.
Determina el Factor de Inflación de Varianza (VIF) para cada variable explicativa en el modelo. ¿Existe alguna razón para sospechar que existe multicolinealidad?
Conclusión
En estos temas pudimos comprobar que el método de mínimos cuadrados produce la mejor línea recta. Sin embargo la línea de regresión puede usarse para estimar el valor de Y para un valor determinado X. Para obtener una predicción puntual o pronóstico, simplemente evalúe la función de regresión estimada en X, de los cuales existen dos fuentes de incertidumbre asociadas con una predicción puntual generada por la ecuación de regresión adaptada, una es incertidumbre debida a la dispersión de los datos respecto a la línea de regresión, y la otra es incertidumbre debida a la dispersión de la regresión de la muestra respecto de la población; pudimos comprobar que la evaluación del modelo se puede hacer en tres formas, por medio de un error estándar de estimación, a través del coeficiente de determinación o mediante la prueba de F del análisis de varianza.
Existe un problema de multicolinealidad muy alta o fuerte, ya que la variable es muy lejana a 1 solo la X3 es muy cercana.
LINEAL
CUADRADOS
EVIDENCIA 3
RODRIGO LARA ROBLES
KAREN FERNANDA MONTANO RODRIGUEZ
KARLA ORTEGA MONDRAGON
JULIO ARMANY VIQUE PENA
MAXIMILIANO LOPEZ MENDEZ
Full transcript