15.3.13: Capítulo 14 Laboratorio
- Page ID
- 151486
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
Regresión lineal simple
Abra el archivo MINITAB lab13.mpj desde el sitio web: este archivo contiene datos geográficos y meteorológicos de varias ciudades de California.
- Primero diseñe un Modelo de regresión en el que Latitud (grados Norte) es la variable Independiente y Precipitación (precipitación anual en pulgadas) es la respuesta. Estado Minitab>Regresión>Gráfica de línea ajustada
- Hacer una gráfica de dispersión y graficar la línea mínima cuadrada. Interpretar la pendiente.
- Realizar la prueba de hipótesis apropiada para una correlación significativa entre precipitación y latitud utilizando un nivel de significancia del 5%.
- Encontrar e interpretar\(r^2\).
- Ejecutar Estado de Minitab>Regresión>Regresión>Ajustar modelo de regresión. Luego encuentre un intervalo de confianza del 95% para la precipitación esperada para una ciudad a 40 grados de latitud norte usando Stat>Regression>Regression>Predecir. Interpretar el intervalo.
- Siguiente diseñar un Modelo de regresión en el que Altitud (pies sobre el nivel del mar) es la variable Independiente y Precipitación (precipitación anual en pulgadas) es la respuesta. Estado Minitab>Regresión>Gráfica de línea ajustada
- Hacer una gráfica de dispersión y graficar la línea mínima cuadrada. Interpretar la pendiente.
- Realizar la prueba de hipótesis apropiada para una correlación significativa entre precipitación y altitud, utilizando un nivel de significancia del 5%.
- Encontrar e interpretar\(r^2\).
- Ejecutar Estado de Minitab>Regresión>Regresión>Ajustar modelo de regresión. Haga clic en Resultados y cambie Ajustamientos y diagnósticos a para todas las observaciones. Luego encuentre un intervalo de predicción del 95% para la precipitación para una ciudad a una altitud de 150 pies usando Stat>Regression>Regression>Predecir.
- Interpretar el intervalo. Analizar los residuos. ¿Qué ciudad se ajusta mejor al modelo? ¿Qué ciudad se ajusta peor al modelo?
- Finalmente, diseñar un Modelo de regresión en el que Distancia de la Costa (en millas) sea la variable Independiente y Precipitación (precipitación anual en pulgadas) sea la respuesta. Estado Minitab>Regresión>Gráfica de línea ajustada
- Hacer una gráfica de dispersión y graficar la línea mínima cuadrada. Interpretar la pendiente.
- Realizar la prueba de hipótesis apropiada para una correlación significativa entre la precipitación y la distancia desde la costa usando un nivel de significancia del 5%.
- Encontrar e interpretar\(r^2\).
- Al observar la gráfica de dispersión, parece que un modelo de regresión no lineal podría ser un mejor ajuste para la precipitación y la distancia desde la costa. Ejecute de nuevo la gráfica de líneas ajustadas pero elija cúbico en lugar de lineal. Pegue la gráfica aquí. Bajo este modelo, ¿qué porcentaje de la variabilidad de la precipitación se explica por la distancia a la costa?